TensorFlow使用的一个小案例

#导入依赖库

import numpy as np #这是Python的一种开源的数值计算扩展，非常强大

import tensorflow as tf #导入tensorflow ##构造数据##

x_data=np.random.rand(100).astype(np.float32) #随机生成100个类型为float32的值

y_data=x_data*0.1+0.3 #定义方程式y=x_data*A+B##-------

####建立TensorFlow神经计算结构##

weight=tf.Variable(tf.random_uniform([1],-1.0,1.0))

biases=tf.Variable(tf.zeros([1]))

y=Weight*x_data+biases

##-------##loss=tf.reduce_mean(tf.square(y-y_data)) #判断与正确值的差距

optimizer=tf.train.GradientDescentOptimizer(0.5) #根据差距进行反向传播修正参数

train=optimizer.minimize(loss) #建立训练器

init=tf.initialize_all_variables() #初始化TensorFlow训练结构

sess=tf.Session() #建立TensorFlow训练会话sess.run(init) #将训练结构装载到会话中

for step in range(400): #循环训练400次

sess.run(train) #使用训练器根据训练结构进行训练

if step%20==0: #每20次打印一次训练结果

print(step,sess.run(weight),sess.run(biases)) #训练次数，A值，B值