Tensorflow 搭建自己的神经网络(代码示例）

声明

来源于莫烦python： Tensorflow 搭建自己的神经网络

---

功能

通过神经网络来寻找一元线性函数的参数值。

输出神经网络预测时的参数值(权重和偏置)

---

代码

from __future__ import print_function
import tensorflow as tf
import numpy as np

# create data
x_data = np.random.rand(100).astype(np.float32)  # 100个0-1之间的随机数列
y_data = x_data*0.1 + 0.3

### create tensorflow structure start ###
Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0))  # 一维的结构，范围是(-1.0, 1.0)
biases = tf.Variable(tf.zeros([1]))

y = Weights*x_data + biases

loss = tf.reduce_mean(tf.square(y-y_data))  # 预测值与实际值之间的误差
optimizer = tf.train.GradientDescentOptimizer(0.5)  # 0.5是学习率，optimizer是优化器
train = optimizer.minimize(loss)
### create tensorflow structure end ###

sess = tf.Session()

init = tf.initialize_all_variables()  # 初始化变量
sess.run(init)   # 激活init

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

---

结果

每隔20步将参数值输出来，可以看到，最终的参数值 y=ax+b 其中 a 接近于0.1， b 接近于0.3

0 [0.22444145] [0.31380618]
20 [0.12376735] [0.28777286]
40 [0.10608825] [0.2968679]
60 [0.10155959] [0.29919767]
80 [0.10039953] [0.29979447]
100 [0.10010235] [0.29994735]
120 [0.10002621] [0.29998654]
140 [0.10000671] [0.29999655]
160 [0.10000173] [0.29999912]
180 [0.10000044] [0.29999977]
200 [0.10000011] [0.29999995]