TensorFlow笔记（1）

import tensorflow as tf
import numpy as np

x_data=np.float32(np.random.rand(2,100))
#np.dot同线性代数矩阵乘法 np.multiply或*是对应元素相乘
y_data=np.dot([0.100,0.200],x_data)+0.300

#tf.Variable(initial_value,name=None) 用于初始化
#tf.zeros(shape, dtype=tf.float32, name=None)
#会返回一个类型为dtype，并且维度为shape的tensor，并且所有的参数均为０．shape不能直接使用数字，用[]
b=tf.Variable(tf.zeros([1]))
w=tf.Variable(tf.random_uniform([1,2],-1.0,1.0))
#tf.matmul矩阵乘法,构造结点
y=tf.matmul(w,x_data)+b

#tf.square(x,name=None) 求平方 tf.reduce_mean 求平均值
loss=tf.reduce_mean(tf.square(y-y_data)) #loss为均值平方差，该成本函数不受训练集样本个数影响
#tf.train.GradientDescentOptimizer(learning_rate, use_locking=False,name=’GradientDescent’)
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

#初始化变量
#init = tf.initialize_all_variables()
init = tf.global_variables_initializer()

sess=tf.Session()
sess.run(init)

#拟合平面
for step in range(0,201):
    sess.run(train)
    if step%20==0:
        print(step,sess.run(w),sess.run(b))

1. tf.initialize_all_variables()已更新为  tf.global_variables_initializer()