说明:资料来源于莫烦老师教程:
https://www.youtube.com/watch?v=JKR1Dxinwwc&list=PLXO45tsB95cKI5AIlf5TxxFPzb-0zeVZ8&index=9&frags=wn
一、代码
import tensorflow as tf
import numpy as np
#create data
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data*0.1 + 0.3
#创建tf结构
Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0))#随机数列生成一维结构,范围是 -1~1
biases = tf.Variable(tf.zeros([1]))#初始值为0,它会不断提升到一个值
y = Weights*x_data + biases
loss = tf.reduce_mean(tf.square(y-y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)#参数为学习效率,一般为小于1的数
train =optimizer.minimize(loss)
init = tf.initialize_all_variables()#初始化所有变量
#创建tf结构完毕
sess = tf.Session() # 经网络的“指针”.这个指针指向谁,谁就开始运行
sess.run(init) # “指针”指向了init,则表示运行init,即激活init,很重要的一步
for step in range(201):
sess.run(train)
if step % 20 == 0:
print(step,sess.run(Weights),sess.run(biases))#打印该步骤的权重和偏置
二、运行结果