第一课：使用TensorFlow创建神经网络拟合线性函数

import tensorflow as tf
import numpy as np
#import matplot as plt

#create data
x_data=np.random.rand(200).astype(np.float32)
y_data=0.1*x_data+0.3

#create structure of Neural Network
#设置变量,并初始化
Weights=tf.Variable(tf.random_uniform([1],-1.0,1.0))#权重初始值为-1到1之间的一个数
biases=tf.Variable(tf.zeros(1))#偏置初始值为0

y=Weights*x_data+biases

loss=tf.reduce_mean(tf.square(y-y_data))#使用L1正则作为目标函数
#设置优化器，使用梯度下降
optimizer=tf.train.GradientDescentOptimizer(0.5)#0.5为定义的学习率
train=optimizer.minimize(loss)#最小化目标函数

#init=tf.initialize_all_variables()#用于激活初始化函数
init=tf.tf.global_variables_initializer()
#create structure end

#激活tf中的会话
sess=tf.Session()
sess.run(init)

for step in range(201):#设置总的迭代步数为201步
    sess.run(train)
    if step%20==0:
        print(step,sess.run(Weights),sess.run(biases))

running result:

WARNING:tensorflow:From <ipython-input-3-0eb2a08f92c0>:21: initialize_a