用Tensorflow拟合线性函数

TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。

下面用python实现一个简单的线性函数：$y=0.2*x+0.3$

# 首先引入需要的模块
import tensorflow as tf
import numpy as np

# 创建数据
x_d = np.random.rand(100).astype(np.float32)
y_d = x_d*0.2 + 0.3

### 创建tensorflow的结构体 ###
Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
biases = tf.Variable(tf.zeros([1]))

y = Weights*x_d + biases

loss = tf.reduce_mean(tf.square(y-y_d))
    #学习率，通常在-1到1之间，这里取0.5
optimizer = tf.train.GradientDescentOptimizer(0.5)
    最小化损失函数
train = optimizer.minimize(loss)

    #初始化操作
init = tf.initialize_all_variables()

    #开启Session
sess = tf.Session()
# tf.initialize_all_variables() no long valid from
# 2017-03-02 if using tensorflow >= 0.12

if int((tf.__version__).split('.')[1]) < 12 and int((tf.__version__).split('.')[0]) < 1:
    init = tf.initialize_all_variables()
else:
    init = tf.global_variables_initializer()
sess.run(init)

#输出结果
for step in range(301):
    sess.run(train)
    if step % 30 == 0:
        print(step, sess.run(Weights), sess.run(biases))

# 输出结果
0 [ 0.46291661] [ 0.21499839]
30 [ 0.23068523] [ 0.28347]
60 [ 0.20393522] [ 0.29788011]
90 [ 0.20050466] [ 0.29972816]
120 [ 0.20006472] [ 0.29996514]
150 [ 0.20000829] [ 0.29999554]
180 [ 0.20000105] [ 0.29999945]
210 [ 0.20000015] [ 0.29999992]
240 [ 0.20000011] [ 0.29999995]
270 [ 0.20000011] [ 0.29999995]
300 [ 0.20000011] [ 0.29999995]