tensorflow 学习之路 -1

前1个月接触tf，是一个老师组了队做互联网+比赛， 深度学习的机器视觉。用tf框架python实现，在学习中，把自己的一些心得体会分享出来。欢迎大家指正。

神经网路搭建八股，正向传播，反向传播，梯度下降减小误差。

训练参数，用来输入两个参数来预测是否合格。

#coding:utf-8
  2 #0导入模块，生成模拟数据集
  3 import tensorflow as tf
  4 import numpy as np
  5 BATCH_SIZE = 8
  6 seed = 23455
  7 
  8 #基于seed产生随机数
  9 rng = np.random.RandomState(seed)
 10 #随机数返回32行2列的矩阵 为32组体积和重量  作为输入集
 11 X = rng.rand(32,2)
 12 #从【32，2】取出一行 判断和小于1给y赋值1 否则为0
 13 #为输入集的标签（正确答案）
 14 Y = [[int(x0 + x1 < 1)] for (x0,x1) in X]
 15 print "X:\n",X
 16 print "y:\n",Y
 17 #1定义神经网络输入输出，参数，定义前向传播
 18 x = tf.placeholder(tf.float32,shape=(None, 2))
 19 y1 = tf.placeholder(tf.float32,shape=(None, 1))
 20 
 21 w1= tf.Variable(tf.random_normal([2,3],stddev= 1, seed= 1))
 22 w2= tf.Variable(tf.random_normal([3,1],stddev= 1, seed= 1))
 23
 24 a= tf.matmul(x,w1)
 25 y= tf.matmul(a,w2)
 26 #2定义损失函数 反向传播
 27 loss= tf.reduce_mean(tf.square(y-y1))
 28 train_step= tf.train.GradientDescentOptimizer(0.001).minimize(loss)
 29 #3生成会话，训练STEPS轮
 30 with tf.Session() as sess:
 31     init_op= tf.global_variables_initializer()
 32     sess.run(init_op)
 33     #输出目前（未训练）的参数值
 34     print"w1:\n",sess.run(w1)
 35     print"w2:\n",sess.run(w2)
 36     print"\n"
 37 #训练模型
 38     STEPS = 3000
 39     for i in range(STEPS):
 40         start= (i*BATCH_SIZE)%32
 41         end= start+ BATCH_SIZE
 42         sess.run(train_step,feed_dict={x:X[start:end],y1:Y[start:end]})
 43         if i% 500 == 0:       

 44             total_loss = sess.run(loss,feed_dict={x:X,y1:Y})
 45             print("after%d training step(s),loss on all data is %g"%(i,total    _loss))
 46 #输出训练后的参数值
 47     print"\n"
 48     print"w1:\n",sess.run(w1)
 49     print"w2:\n",sess.run(w2)
 50