总体过程:
模型:设置模型输入:数据以及标签,采用占位符的形式;placeholder()
创建执行过程,得到输出;
损失:创建损失函数loss;
优化: 创建优化器 :optimizer = tf.train…().minimize(loss)
运行: 创建计算图:with tf.Session() as sess:
初始化全局变量
运行优化器:sess.run(optimizer)
输出每轮的损失
注意之处:
1、运行模型,需要feed变量,要使feed_dict的变量与placeholder处的shape相对应,且feed_dict的标签不能使用tensor
2、np.reshape()可以更改shape
3、运行时初始化变量
- 导入库
import tensorflow as tf
from numpy.random import RandomState #用于生成随机数
import numpy as np
batch_size = 8
- 定义变量与占位
w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))
w2 = tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1))
x = tf.placeholder(tf.float32, shape=(None, 2), name