构建简单神经网络
import tensorflow as tf
import numpy as np
# creat data
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data*0.1 + 0.3 # 要预测的数据需要满足,x_data*0.1, bias 满足0.3
'''
机器学习要做的事情就是,让定义的Weight,biases初始值,通过不断学习,接近0.1,0.3这样所设定的值
'''
### creat tensorflow structure start ###
Weight = tf.Variable(tf.random_uniform([1], -1.0, 1.0)) # 调用随机函数,生成权重,维度是1,范围是(-1.0,1.0)
biases = tf.Variable(tf.zeros([1])) # 初始化偏置项为0,维度为1
y = Weight*x_data + biases # 我们要计算的y满足的式子
loss = tf.reduce_mean(tf.square(y-y_data)) # 构建损失函数,刚开始定义的参数损失会非常大
optim