sess.run(L2, feed_dict={x: x_data}) 既然用了feed_dict的模式在每次run的时候不要忘记加上feed_dict 而且不要把这一句再到 每多少次打印的if块内,因为不会起作用,它依然会每feed一次数据打印一次
import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' import tensorflow as tf import numpy as np import matplotlib.pyplot as plt #随机生成数据 后续这部分就是说数据清洗,载入,预处理的部分了,总之是tensorflow可以处理的数据 x_data = np.linspace(0.5,0.8,200)[:,np.newaxis] b = np.random.normal(0.,0.02,x_data.shape) y_data = np.square(x_data) + b # plt.figure() # plt.scatter(x_data,y_data) # plt.show() #定义tensorflow的输入 x = tf.placeholder(tf.float32,[None,1]) y = tf.placeholder(tf.float32,[None,1]) #定义中间层 w_1 = tf.Variable(tf.random_normal([1,10])) b_1 = tf.Variable(tf.zeros([1,10])) L1 = tf.nn.tanh(tf.add(tf.matmul(x,w_1),b_1)) #定义输出层 w_2 = tf.Variable(tf.random_normal([10,1])) b_2 = tf.Variable(tf.zeros([1,1])) L2 = tf.nn.tanh(tf.add(tf.matmul(L1,w_2),b_2)) #定义损失函数 loss = tf.reduce_mean(tf.square(y - L2)) #定义优化函数 train = tf.train.GradientDescentOptimizer(0.1).minimize(loss) init = tf.global_variables_initializer() with tf.Session() as sess: sess.run(init) for step in range(10000): sess.run(train,feed_dict={x:x_data,y:y_data}) if step % 200 == 0: print(step) # sess.run(L2, feed_dict={x: x_data}) 既然用了feed_dict的模式在每次run的时候不要忘记加上feed_dict # 而且不要把这一句再到 每多少次打印的if块内,因为不会起作用,它依然会每feed一次数据打印一次