tensorflow 学习(1) minist数据初入

最近这些天需要使用tensoflow，之前一直说要学习，但是都由于各种原因没有提上日程，所以趁着最近要使用来学习下。其实怎么说呢，tensorflow的入门很容易，最重要的还是对于神经网络的理解。

import tensorflow  as tf

def add_layer(inputs,in_size,out_size,activation_function=None):
        with tf.name_scope("layer"):
                with tf.name_scope('wights'):
                        Weights=tf.Variable(tf.random_normal([in_size,out_size]),name='W')
                with tf.name_scope('biases'):
                        biases =tf.Variable(tf.zeros([1,out_size])+0.1,name='b')
                with tf.name_scope('Wx_plus_b'):
                        Wx_plus_b=tf.add(tf.matmul(inputs,Weights),biases)
                if activation_function is None:
                        outputs=Wx_plus_b
                else:
                        outputs=activation_function(Wx_plus_b,)
                return outputs


with tf.name_scope('inputs'):
        xs=tf.placeholder(tf.float32,[None,1],name='x_input')
        ys=tf.placeholder(tf.float32,[None,1],name='y_input')

l1=add_layer(xs,1,10,activation_function=tf.nn.relu)

prediction=add_layer(l1,10,1,activation_function=None)

with tf.name_scope('loss'):
        loss=tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))
with tf.name_scope('train'):
        train_stop=tf.train.GradientDescentOptimizer(0.1).minimize(loss)

sess=tf.Session()
writer=tf.summary.FileWriter('logs/',sess.graph)
sess.run(tf.initialize_all_variables())

上面这行代码大概是tensorflow的一个例子代码，其中比较有特点的地方就是他先定义所有计算数据和方法，最后再进行激活，此外这个例子是可视化，最后可以在本地打开。