TensorFlow实践（8）——利用优化器寻找函数最小值

（一）引 言

在开始更加复杂的机器学习模型实践之前，我们先来做一个有趣的小项目来放松放松心情，这个项目的主角是TensorFlow的优化器，我们知道优化器是一种通过渐变来最小化函数的算法，今天我们就使用它来寻找以下函数的最小值。

（二）问题分析

首先使用Matplotlib画出函数的图像：

从图中我们可以看到，函数的最小值在**[-0.5, 0]**内，我们的目标是要找到函数的最小值，即优化目标为通过调整参数x, 使 f(x) 最小，下面我们使用TensorFlow来解决这个问题。

（三）模型构建

首先，构建我们需要最小化的函数：

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
# 让x从初始值2开始变化
x = tf.Variable(2.0)
x1 = tf.multiply(tf.pow(x, 2), 3) # 3x^2
x2 = tf.multiply(tf.pow(x, 4), 2) # 2x^4
x3 = tf.multiply(tf.pow(x, 6), 1) # x^6
# 构建函数
y = x1 + x2 + x3 + x + 1
# 学习率为0.1，目标是使y最小
train_op = tf.train.AdamOptimizer(0.1).minimize(y)
# 定义会话，训练10000次
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for i in range(10000):
        sess.run(train_op)
    print("The minimum point is " % x.eval(sess))
    print("The minimum is " % sess.run(y))
# 输出：
The minimum point is -0.160995
The minimum is 0.918124

经过10000次迭代后，得到近似最小值点（-0.160995， 0.918124），观察之前的函数图像：

由图可知，我们求得了一个相当不错的近似最小值点，在实际应用中这个数值已经达到了可以使用的精度。

（四）总 结

在这一节当中，我们使用了TensorFlow的优化器来求取函数的最小值点，属于对TensorFlow使用方法的进一步拓展，之后我也会更新一些有趣的拓展使用方法，敬请期待，有任何的疑问可以在评论区留言，我会尽快回复，谢谢支持！
下一节：TensorFlow实践（9）——普通BP神经网络