莫烦TensorFlow第一次代码

import tensorflow as tf
import  numpy as np
#创造一些随机的初始数组，float32是tensorflow常用的数据类型。x_data是100*1维的数据
x_data=np.random.rand(100).astype(np.float32)
#TensorFlow预测模型
#tensorflow需要模拟的模型 y_data就是实际值
y_data=x_data*0.1+0.3
#创建TensorFlow的模型##
#初始化权重  tf.Variable必须大写，uniform里面【1】是一维变量，与上面生成的x_data对应，范围是-1到1
#weights和baise用的tf韩式所以后面必须初始化
Weights=tf.Variable(tf.random_uniform([1],-1.0,1.0))
baise=tf.Variable(tf.zeros([1]))

#生成预测模型
y=Weights*x_data+baise;
#生成损失函数（平方根均值）
loss=tf.reduce_mean(tf.square(y-y_data))
#优化，反向传播
optimizer=tf.train.ProximalGradientDescentOptimizer(0.5)
train=optimizer.minimize(loss)
#数据初始化tf定义的数据完毕
init=tf.initialize_all_variables()#very import
#构建tensor流图
sess=tf.Session()
#激活init
sess.run(init)
for step in range(200):
    sess.run(train)
    if step%20==0:
        print(step,sess.run(Weights),sess.run(baise))

具体操作

1.先定义真实曲线

2.定义预测曲线

3.定义优化函数

4.初始化tf所定义的随机数

5.构建tf流图并激活随机数

6.激活反向传播并进行优化

TensorFlow很好的将模型与数据区分开，有利于复杂网络的构建。