Tensorflow 学习与复习 Epoch_1 # tensorflow的一些函数方法

1：

一个例子

import tensorflow as tf

import numpy as np

# 随机生成数据，100个点，x，y

x_data = np.float32(np.random.rand(2, 100))               #np.random.rand(d0,d1,...,dn) 随机生成n维矩阵

y_data = np.dot([0.100, 0.200], x_data) + 0.300          #np.dot() 矩阵相乘

# 构造一个线性模型

b = tf.Variable(tf.zeros([1]))                                              # tf.zero() 零值初始化（）中的数据结构/变量

W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0) )      # tf.random_uniform()   随机初始化/变量

y = tf.matmul(W, x_data) + b                                          # tf.matmul() 矩阵相乘

# 最小化方差

loss = tf.reduce_mean(tf.square(y - y_data))                 # 定义loss函数

optimizer = tf.train.GradientDescentOptimizer(0.5)      # tf.train.GradientDescentOptimizer() 算法，以0.5的learning                                                                                         # rate 来 train

train = optimizer.minimize(loss)                                    # 求最小的loss 

# 初始化变量

init = tf.initialize_all_variables()

# 启动图（graph）

sess = tf.Session()

sess.run(init)

# 拟合平面

for step in range(1000):

    sess.run(init)

    if step%100 == 0:

        print(step, sess.run(W), sess.run(b))

2：

由上面例子，一些基础的常用的函数应该整理一下

同时在之后的学习中遇到新的函数都会整理进来：

numpy 中的：

np.float32() 

np.random.rand(d0, d1, ..., dn)    随机生成给定shape的矩阵