tensorflow创建图、启动图

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))