TensorFlow（一）：基本操作

配置TensorFlow，官方教程：https://www.tensorflow.org/get_started/os_setup
安装了GPU版本的TensorFlow，还需要配置Cuda，关于Cuda安装看这里：https://www.tensorflow.org/get_started/os_setup#optional-install-cuda-gpus-on-linux
还需要一个Python编译器，这里我们使用Anaconda，Anaconda2对应Python2，Anaconda3对应Python3，我使用Anaconda3。Anaconda自带了一些常用的Python包，以及一些比较好用的Python编译器。
如果遇到任何报错，请参考：https://www.tensorflow.org/get_started/os_setup#common_problems

使用TensorFlow之前，要了解TensorFlow的基本知识：
1.使用图(graphs)来表示计算；
2.在会话（Session）中执行图；
3.使用张量（tensors）来代表数据；
4.通过变量（variables）来维护状态；
5.使用供给（feeds）和取回（fetches）来传入或者传出数据。
关于详细的基础使用，请参考：https://www.tensorflow.org/get_started/basic_usage， 太长不看的，至少看下代码以及代码的注释。

实例

目标是优化一个一次函数y = wx + b的权值w和偏置b，使得w和b接近给定的表达式y = 0.1*x + b

import tensorflow as tf
import numpy as np
import os

os.environ['CUDA_VISIBLE_DEVICES']='0'
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction=0.2
sess = tf.InteractiveSession(config=config)

x_data = np.random.rand(100).astype("float32")
y_data = x_data * 0.1 + 0.3

W = tf.Variable(tf.random_uniform([1],-1.0,1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b

loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
init = tf.global_variables_initializer()
sess.run(init)

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

运行结果：

经过200次迭代，权重w已经接近预设值0.1，b 接近预设值0.3，实际上80次的时候已经收敛到很好的结果了