初识tensorflow，搭建自己的第一个神经网络

大家好，本人是GIS专业的一名普通的本科生，现在开始学习tensorflow，希望在学习的过程中和大家分享一下自己的经验和教训，也希望大家对我的学习提出一点建议，所以就开始写博客记录一下自己的学习过程。

tensorflow的安装可以参考其他博客，直接在命令窗口（如果是anaconda的话，就是打开anaconda  prompt就可以了）输入“pip install tensorflow"命令就可以解决。这样的话是安装cpu版本，gpu版本tensorflow安装可以参考其他的教程。

tensorflow安装完毕之后，可以使用一些操作了解tensorflow的使用。

首先，我们来通过一段代码写一个最简单的神经网络。

import tensorflow as tf
import numpy as np


def creat_data(): # 创建模拟数据
    x = 10*np.random.rand(100,1)
    y = x**2+2*x+np.random.rand(100, 1)
    return x, y

def addLayer(inputData,inSize,outSize,activity_function = None):  # 增加神经层
    Weights = tf.Variable(tf.random_normal([inSize,outSize]))   
    basis = tf.Variable(tf.zeros([1,outSize])+0.1)    
    weights_plus_b = tf.matmul(inputData,Weights)+basis  
    if activity_function is None:  
        ans = weights_plus_b  
    else:  
        ans = activity_function(weights_plus_b)  
    return ans  


x, y=creat_data()
xs = tf.placeholder(tf.float32,[None,1]) # 样本数未知，特征数为1，占位符最后要以字典形式在运行中填入  
ys = tf.placeholder(tf.float32,[None,1])  

l1 = addLayer(xs,1,10,activity_function=tf.nn.relu) # 使用relu函数做激活函数
l2 = addLayer(l1,10,1,activity_function=None)  
loss = tf.reduce_mean(tf.reduce_sum(tf.square((ys-l2)),reduction_indices = [1]))# 计算loss

train =  tf.train.GradientDescentOptimizer(0.0005).minimize(loss) # 梯度下降法，学习 率为0.1
  
init = tf.initialize_all_variables() # 变量初始化
sess = tf.Session()  
sess.run(init)  
  
for i in range(10000):  
    sess.run(train,feed_dict={xs:x,ys:y})  
    if i%50 == 0:  
        print("loss=",sess.run(loss,feed_dict={xs:x, ys:y}))

sess.close()

这个神经网络可以拟合曲线，可以观察到loss从一千多下降到一点几。

使用tensorflow的时候需要注意：

1. 变量初始化（刚开始学tensorflow就遇到了这个问题，忘记变量初始化）
2. 合理的选择学习率（学习率太低收敛慢，学习率太高难以收敛）