[学习方法]深度学习入门系列--tensorflow入门

      这是一个非常简单的线性回归的例子，把例子的实现步骤搞清楚，可以实现对tensorflow训练框架的基本了解。

import tensorflow as tf 
import numpy as np
import matplotlib.pyplot as plt
#第一步：定义超参数
leraining_rate=0.01
global_step=20

#第二步：处理数据
x = np.linspace(-2, 2, 100)
y = 3 * x + np.random.randn(*x.shape) * 0.4 +4

#第三步：定义模型（线性回归）
X=tf.placeholder(tf.float32,name="input")
w=tf.Variable(0.0)
b=tf.Variable(0.0)
Y=X*w+b

#第四步：定义损失函数
Y_=tf.placeholder(tf.float32,name="output")
loss = tf.square(Y - Y_)

#第五步：定义优化器
optimizer=tf.train.GradientDescentOptimizer(leraining_rate)

#第六步：定义单步训练
train_op=optimizer.minimize(loss)


#第七步：定义会话，开始循环训练
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
	#print("start train:")
    for i in range(global_step):
        for (xi, yi) in zip(x, y):
            sess.run(train_op,feed_dict={X:xi,Y_:yi})
            step_loss=sess.run(loss,feed_dict={X:xi,Y_:yi})
        print(step_loss)
        weight=sess.run(w,feed_dict={X:xi,Y_:yi})
        bias=sess.run(b,feed_dict={X:xi,Y_:yi})
        print("weight=%f,bias=%s"%(weight,bias))

#第八步：结果可视化
plt.plot(x,y,"*")
plt.plot(x,x*weight+bias)
plt.show()
	

结果可视化