初学深度学习（一）TensorFlow基本开发步骤之总结篇

通过博客：初学深度学习（一）TensorFlow基本开发步骤之准备数据and搭建模型（正向+反向）和初学深度学习（一）TensorFlow基本开发步骤之迭代训练and使用模型
的介绍。

现在可以将tensorflow开发的基本步骤总结如下：

• 定义tensorflow输入节点
• 定义“学习参数”变量
• 定义“运算”
• 优化函数，优化目标
• 初始化所有变量
• 迭代更新参数到最优解
• 测试模型
• 使用模型

1、定义tensorflow输入节点的方法

tensorflow中有如下几种定义输入节点的方法：

• 通过占位符来定义：通常使用此方式
• 通过字典类型定义：一般用于输入比较多的情况、
• 直接定义：很少使用、

（1）通过占位符来定义输入节点的实例

在博客：初学深度学习（一）TensorFlow基本开发步骤之准备数据and搭建模型（正向+反向）中就是通过占位符来定义输入节点的：

# X,Y为占位符
X = tf.placeholder("float") # 代表x的输入
Y = tf.placeholder("float") # 代表对应的真实值y

完整代码：

在这里插入代码片

（2）通过字典类型来定义输入节点的实例

通过字典类型来定义输入节点的方式和占位符比较像，只不过是堆积到了一起。

#占位符
inputdict = {
   
    'x':tf.placeholder("float"),
    'y':tf.placeholder("float")
}

（3）直接定义输入节点的实例

直接定义就是将定义好的python变量直接放到OP节点中参与输入的运算，将模拟数据的变量直接放到模型中进行训练。

2、定义“学习参数”的变量

“学习参数”的定义与输入的定义很像，分为直接定义和通过字典类型定义两部分。
由于深度神经网络例的参数很多，所以一般使用第二种更多。

（1）直接定义“学习参数”