第一次接触tensorflow

#此为单变量版
import tensorflow as tf
import numpy as np







#creat data
x_data = np.random.rand(100).astype(np.float32)#随机100个数据项，以float32格式存储
y_data = x_data*0.1+0.3#y=0.1x+0.3

###creat tensorflow structure start###
Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0))#Weights是矩阵，权值，由于x只有一列，所以写为[1]
biases = tf.Variable(tf.zeros([1]))#biases是偏置
y=Weights*x_data+biases#定义y为W*x+bias
loss = tf.reduce_mean(tf.square(y-y_data))#定义损失函数为y-y_data的平方和
optimizer = tf.train.GradientDescentOptimizer(0.5)#梯度下降优化器，步长0.5，即学习率
train = optimizer.minimize(loss)#定义train，用train最小化loss
init = tf.global_variables_initializer()#变量激活器
###creat tensorflow structure end###

sess=tf.Session()#定义一个session，所有必须在session中运行
sess.run(init)#在这个session中激活initializer，才能使initializer在此session中激活

for step in range(201):#执行优化
    sess.run(train)
    if step%20==0:
        print(step,sess.run(Weights),sess.run(biases))#打印
随机生成100个数据项，以float32格式存储
与x对应的y的值为 0.1x+0.3

Weights为权值矩阵，所以开头首字母大写
tf.Variable为变量
tf.random_uniform([1],-1,0,1.0)中：[1]是指权值只有一列，因为只有x一个属性，值为[-1,1]上的均匀分布取值
biases为偏置，只有一列



以下为多变量版本，后期改变制作，仅为练习，后期应当对代码的鲁棒性进行优化

import tensorflow as tf
import numpy as np
x_data = np.random.rand(100,2)
y_data = 0.1*x_data[:,0]-0.2*x_data[:,1]+0.3

Weights = tf.Variable(tf.random_uniform([2],-1.0,1.0))
biases = tf.Variable(tf.zeros([1]))
y = Weights*x_data #定义y为Weights*x_data的矩阵
y = y[:,0]+y[:,1]+biases #定义y为原y矩阵每行求和，并加biases
loss = tf.reduce_mean(tf.square(y-y_data))
optimizer = tf.train.GradientDescentOptimizer(0.3)
train = optimizer.minimize(loss)
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)

for step in range(201):
    sess.run(train)
    if step%20==0:
        print(step,sess.run(Weights),sess.run(biases))