各种模块各种函数一一查询,还是不是很理解线性函数的实现,作为菜鸡先记录下来,留作以后复盘使用。废话不多说,先进入正题。
一、实例代码
当然我是一个比较懒的人,为了防止下次还需要重新手敲代码,所以这里肯定会贴一个源代码的。
# -*- coding: UTF-8 -*-
import tensorflow as tf
import numpy as np
#导入tensorflow和numpy模块做别名为tf和np
x_data = np.random.rand(100).astype(np.float32)
#在0到1中生成100个随机数,随机数的类型为float32,且赋值给x_data
y_data = x_data*0.6 + 0.6
Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0))
#定义图变量Weights的初始值是在-1.0到1.0之间的一维数组
biases = tf.Variable(tf.zeros([1]))
#定义图变量biases的初始值是0.的一维数组
y= Weights*x_data + biases
loss = tf.reduce_mean(tf.square(y-y_data))
#训练结果与测试值差平方的平均值
optimizer = tf.train.GradientDescentOptimizer(0.01)
#创建一个optimizer,用梯度