import tensorflow as tf
import numpy as np
#生成100个随机数列,类型为float32
x_data=np.random.rand(100).astype(np.float32)
y_data=x_data*0.1+0.3
#####create tensorflow structure start##############
#之所以要大写是因为有可能是一个矩阵
#代表的是生成变量的方式是以随机数的形式生成
#生成的是一个一维的从-1到1之间的随机数
Weights=tf.Variable(tf.random_uniform([1],-1.0,1.0))
#偏量出事之定义为一个一维的0,这个会随着机器学习的增加改变而改变
biases=tf.Variable(tf.zeros([1]))
#预测值
y=Weights*x_data+biases
#损失函数
loss=tf.reduce_mean(tf.square(y-y_data))
#建立优化器 0.5这里代表的是学习效率,一般是一个小于1的数
optimizer=tf.train.GradientDescentOptimizer(0.5)
#减少误差
train=optimizer.minimize(loss)
#在神经网络中进行初始化
init=tf.global_variables_initializer() #very important
##########create tensorflow structure end############
#象一个指针,类似一个增加的会话
sess=tf.Session()
#进行激活
sess.run(init)
for step in range(201):
sess.run(train)
if step%20==0:
print(step,sess.run(Weights),sess.run(biases))