2.1 处理结构
计算图纸
Tensorflow首先要定义神经网络的结构,然后再把数据放入结构当中进行运算和训练。
我们要做得就是要建立一个这样的结构,然后把数据放进去,之后tensorflow就可以自己运行,tensorflow字面意思翻译过来就是向量在里面飞。
上图就是一个循环,从输入层输入数据,数据飞到隐藏层再到输出层,用梯度下降法处理,完成对几个参数的更新,用更新之后的参数再次应用到隐藏层中去学习,不停的循环直至结果收敛。
TensorFlow是采用数据流图(data flow graphs)来计算,所以首先我们得创建一个数据流流图,然后再将我们的数据(数据以张量(tensor)的形式存在)放在数据流图中计算。节点(Nodes)在图中表示数学操作,图中的线(edges)则表示在节点间相互联系的多维数据数组,即张量(tensor)。训练模型时tensor会不断的从数据流图中的一个节点flow到另一节点,这就是TensorFlow名字的由来。
Tensor 张量意义
张量有多种:
零阶张量:纯量/标量(scalar),是一个数值,比如[1]
一阶张量:向量(vector)一维
二阶张量:矩阵(matrix)二维
等等
2.2 例子2
#加载这两个模块,并使用numpy来创建我们的数据
import tensorflow as tf
import numpy as np #科学计算的模块
# create data
x_data = np.random.rand(100).astype(np.float32) #随机生成100个数,定制成float32的形式
y_data = x_data*0.1 + 0.3
###开始创建结构###
Weights = tf.Variable(tf.random_uniform([1], -