神经网络实现SinX曲线拟合/逼近.

SinX函数曲线的拟合/逼近.

说明：原代码来自罗冬日-tensorfow实战书籍代码，且该代码选自google官方案例.

• 网络层次结构：W 为16维，depth为3，也就说说合计参数48个.
• 采用随机梯度优化，但是原书中提示实际运用中Adam(亚当)优化效果更好：收敛速度更快.
• 代码在原代码有少部分修改.
• 运行结果如下：起始/5w次后的结果.
  
  
• 代码.

  # coding=utf-8
  import tensorflow as tf
  import numpy as np
  import matplotlib.pyplot as plt
  import pylab
  
  '''
    用TensorFlow来拟合一个正弦函数.
    代码选自：罗冬日-tensorflow实战.
    罗冬日代码改写自google官方案例.
  '''
  #分配第一块显卡，若是在tensorflow-gpu下默认使用的显卡，可以不添加改行.
  # with tf.device("/gpu:0"):
  
  # 改行用于每次运行都重置变量，否则同名变量无法运行.
  tf.reset_default_graph()
  
  #定义显存分配百分比，貌似不准确，有点误差..
  config = tf.ConfigProto()
  # %matplotlib qt
  # config.gpu_options.per_process_gpu_memory_fraction =  0.6 # 分配60%显存.
  config.gpu_options.allow_growth =  True # 自动分配.
  with tf.Session(config = config) as sess:
      def draw_correct_line():
          '''
            绘制标准的sin曲线
          '''
          x = np.arange(0, 2 * np.pi, 0.01)
          x = x.reshape((len(x), 1))
          y = np.sin(x)
  
          pylab.plot(x, y, label='standard sin:')
          plt.axhline(linewidth=1, color='r')
  
  
      def get_train_data():
          '''
            返回一个训练样本(train_x, train_y),
            其中train_x是随机的自变量， train_y是train_x的sin函数值
          '''