用Tensorflow创建一个神经网络拟合y=0.1*x+0.3
IDE环境 spyder3
Tensorflow 是非常重视结构的,我们得建立好了神经网络的结构,才能将数字放进去运行这个结构
需要加载tensorflow和numpy两个模块并使用numpy来创建数据
如果你是入门小白,记住#是注释
# -*- coding: utf-8 -*-
"""
Spyder Editor
This is a temporary script file.
"""
import tensorflow as tf
import numpy as np
#creat data
x_data=np.random.rand(100).astype(np.float32)
y_data=x_data*0.1+0.3
###creat tensorflow structure start###
#tf.Variable来创建描述y 的参数,可以把y_data=x_data*0.1+0.3想象成y=Weights*x+biases然后就是神经网络学者把Weights变成0.1,把biases变成0.3
Weights=tf.Variable(tf.random_uniform([1],-1.0,1.0))
biases=tf.Variable(tf.zeros([1]))
y=Weights*x_data+biases
#计算误差并使用optimizer更新
loss=tf.reduce_mean(tf.square(y-y_data))
optimizer=tf.train.GradientDescentOptimizer(0.5)
#0.5指的是机器学习的学习效率
train=optimizer.minimize(loss)
#在使用神经网络结构之前必须初始话所有之前定义的Variable
#init=tf.initialize_all_variables()
init=tf.global_variables_initializer()
#接着创建会话Session并执行init初始化,run每次的training数据
###creat tensorflow structure start###
#激活部分sess像是指针run激活
sess=tf.Session()
sess.run(init)#Very important
for step in range(201):
sess.run(train)
if step%20==0:
print(step,sess.run(Weights),sess.run(biases))
#设置步长为20,tensor张量数据流。
下面是运行的结果
runfile('C:/Users/lenovo/.spyder-py3/temp.py', wdir='C:/Users/lenovo/.spyder-py3')
0 [ 0.22723424] [ 0.32399315]
20 [ 0.12191442] [ 0.28773913]
40 [ 0.10554054] [ 0.29690015]
60 [ 0.10140079] [ 0.2992163]
80 [ 0.10035416] [ 0.29980186]
100 [ 0.10008955] [ 0.29994991]
120 [ 0.10002264] [ 0.29998735]
140 [ 0.10000572] [ 0.29999682]
160 [ 0.10000144] [ 0.29999921]
180 [ 0.10000038] [ 0.2999998]
200 [ 0.10000009] [ 0.29999995]
可以看到在训练200次的时候结果已经非常接近y=0.1*x+0.3.
好了,tensorflow的第一个尝试就完成了。