tensorflow 1.x基础练习一：使用二维随机数据训练单个神经元网络

tensorflow 1.x基础练习一

import tensorflow as tf
import numpy as np

# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100))
y_data = np.dot([0.1, 0.2], x_data) + 0.3
# 构造一个线性模型
w = tf.Variable(tf.ones((1, 2)))
b = tf.Variable(tf.zeros([1]))
y = tf.matmul(w, x_data) + b
# 最小化方差
loss = tf.reduce_mean(np.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
# 初始化变量
init = tf.initialize_all_variables()
# 启动图
sess = tf.Session()
sess.run(init)
# 训练拟合
for i in range(200):
    sess.run(train)
    if i % 20 == 0:
        print(i, sess.run(w), sess.run(b))
# 得到最佳拟合结果 W: [[0.100  0.200]], b: [0.300]