第8章 第一个TensorFlow程序
理解TensorFlow的运行方式对后面几章的具体实战非常重要。本章就用一个简单的例子来讲解TensorFlow的运行方式。
8.1 TensorFlow的运行方式
TensorFlow的运行方式分如下4步:
(1)加载数据及定义超参数;
(2)构建网络;
(3)训练模型;
(4)评估模型和进行预测。
下面我们以一个神经网络为例,讲解TensorFlow的运行方式。在这个例子中,我们构造一个满足一元二次函数y = ax2+b的原始数据,然后构建一个最简单的神经网络,仅包含一个输入层、一个隐藏层和一个输出层。通过TensorFlow将隐藏层和输出层的weights和biases的值学习出来,看看随着训练次数的增加,损失值是不是不断在减小。
8.1.1 生成及加载数据
首先来生成输入数据。我们假设最后要学习的方程为y = x2 − 0.5,我们来构造满足这个方程的一堆x和y,同时加入一些不满足方程的噪声点。
import tensorflow as tf
import numpy as np
# 构造满足一元二次方程的函数
x_data = np.linspace(-1,1,300)[:, np.newaxis] # 为了使点更密一些,我们构建了300个点,分布在-1到1区间,直