Tensorflow-note-线性回归

Tensorflow实现线性回归

问题：怎么使用tensorflow实现简单的线性回归？

解答：

1.环境准备：

Dockerfile构建tensorflow的环境
python 3

2.实践代码

from __future__ import print_function
import tensorflow as tf
import numpy as np
#创建100个32位浮点数的数据
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data*0.1 + 0.3

#创建所需线性回归的结构
##权重随机数（-1.0，1.0）
Weights = tf.Variable(tf.random_uniform[1],-1.0,1.0))
##偏置数/纵轴,(0)
biases = tf.Variable(tf.zeros[1])
##线性回归函数（权重×随机数+偏置）
y = Weights*x_data + biases
##方差公式
loss = tf.reduce_mean(tf.square(y-y_data))
##优化器（还有什么优化器呢？），这里是随机下降优化器，每次下降0.5
optimizer = tf.train.GradientDescentOptimizer(0.5)
#启动程序流程
##开一个会话,(tensorflow最近出了一个不使用的用法，后续会讲)
sess = tf.Session
##检测tensorflow版本
if int((tf.__version__).split('.')[1]) < 12 and int((tf.__version__).split('.')[0]) < 1:
    init = tf.initialize_all_Variables()
else:
    init = tf.global_variables_initializer()
sess.run(init)

for step in range(201):    
    sess.run(train)
    #20次输出一次日志
    if step % 20 == 0:
        print(step, sess.run(Weights), sess.run(biases))

特别感谢莫烦大神的教程！

参考

莫烦Youku video tutorial: http://i.youku.com/pythontutorial