import tensorflow as tf
import numpy as np
#creat data
x_data = np.random.rand(100).astype(np.float32) #100个随机数列
y_data = x_data * 0.1 + 0.3
#creat tensorflow structure start
Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0)) #weight为一维的结构,随机数列生成范围(-1.0, 1.0)
biases = tf.Variable(tf.zeros([1])) #biases初始值为0
y = Weights * x_data + biases
loss = tf.reduce_mean(tf.square(y-y_data)) #计算预测的y与实际的y的偏差
optimizer = tf.train.GradientDescentOptimizer(0.5) #建立optimizer优化器来减少误差,有很多种optimizer,这里选择的是GrandientDescentOptimizer,学习效率为0.5(一般小于1)
train = optimizer.minimize(loss)
init = tf.initialize_all_variables()#上面建立了变量,在神经网络中还没有初始化,让这个结构活动起来
#creat tensorflow structure end
sess = tf.Session()
sess.run(init) #激活整个神经网络的结构
for step in range(201):
sess.run(train)
if step % 20 ==0: #每训练20次,输出一次
print(step, sess.run(Weights), sess.run(biases))
tensorflow创建图、启动图
最新推荐文章于 2024-07-19 10:15:00 发布