机器学习笔记5：TensorFlow的了解与运行

机器学习笔记5：TensorFlow的了解与运行

　　本文的主要内容参考于TensorFlow中文社区内容，并在下面的文章中测试其中的样例代码。

　　本文主要是在完成Tensorflow的配置后，调用Python API进行测试的一段TensorFlow的测试代码。

　　算法主要的内容就是产生一些随机数据，然后构建一个平面去拟合这些数据。采用的算法也就是梯度下降的方式，通过循环迭代来拟合平面。

# coding=utf-8

import tensorflow as tf
from numpy import *
import numpy as np
import matplotlib
import matplotlib.pyplot as plt

# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300

# 构造一个线性模型
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b

# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

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

# 启动图 (graph)
sess = tf.Session()
sess.run(init)

# 拟合平面
# 进行梯度下降来选取最佳的w与b
for step in xrange(0, 201):
    sess.run(train)
    if step % 20 == 0:
        print step, sess.run(W), sess.run(b)

W_result = []
W_result = sess.run(W)
b_result = sess.run(b)

print W_result,b_result

　　运行的结果如下：

　　最佳拟合结果 W: [[0.100 0.200]], b: [0.300]

August 27 , 2017