tensorflow 学习（1）简单计算和线性回归

w=tf.Variable([[0.5,1]])
x=tf.Variable([[2.0],[1.0]])
y=tf.matmul(w,x)
input1=tf.placeholder(tf.float32)
input2=tf.placeholder(tf.float32)
output=tf.multiply(input1,input2)
init_op=tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init_op)
    print(y.eval())
    print(sess.run([output],feed_dict={input1:[7.0],input2:[2.0]}))

程序1、简单计算

tensorflow 中采用计算图的形式，向量是“图”中的一部分。所以写向量有固定的格式。（刚开始接触还不太明白……）

w=tf.Variable([[0.5,1]]) #行向量
input1=tf.placeholder(tf.float32) #在图中占一个位置
init_op=tf.global_variables_initializer() #必须先进行初始化
with tf.Session() as sess: #固定格式
sess.run(init_op)
print(y.eval())
print(sess.run([output],feed_dict={input1:[7.0],input2:[2.0]})) #在run函数中给两个变量赋值

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

# 随机生成1000个点，围绕在y=0.1x+0.3的直线周围
num_points = 1000
vectors_set = []
for i in range(num_points):
    x1 = np.random.normal(0.0, 0.55)
    y1 = x1 * 0.1 + 0.3 + np.random.normal(0.0, 0.03)
    vectors_set.append([x1, y1])

# 生成一些样本
x_data = [v[0] for v in vectors_set]
y_data = [v[1] for v in vectors_set]

plt.scatter(x_data,y_data,c='r')
plt.show()
# 生成1维的W矩阵，取值是[-1,1]之间的随机数
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0), name='W')
# 生成1维的b矩阵，初始值是0
b = tf.Variable(tf.zeros([1]), name='b')
# 经过计算得出预估值y
y = W * x_data + b

# 以预估值y和实际值y_data之间的均方误差作为损失
loss = tf.reduce_mean(tf.square(y - y_data), name='loss')
# 采用梯度下降法来优化参数
optimizer = tf.train.GradientDescentOptimizer(0.5)
# 训练的过程就是最小化这个误差值
train = optimizer.minimize(loss, name='train')

sess = tf.Session()

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

# 初始化的W和b是多少
print ("W =", sess.run(W), "b =", sess.run(b), "loss =", sess.run(loss))
# 执行20次训练
for step in range(20):
    sess.run(train)
    # 输出训练好的W和b
    print ("W =", sess.run(W), "b =", sess.run(b), "loss =", sess.run(loss))
#writer = tf.train.SummarySaverHook("./tmp", sess.graph)
plt.scatter(x_data,y_data,c='r')
plt.plot(x_data,sess.run(W)*x_data+sess.run(b))
plt.show()

程序2、线性回归

注意点（1）：x_data = [v[0] for v in vectors_set] 可不可以换成 x-data=vectors_set[ :, 0 ]读取第一列？

结果：不可以。TypeError: list indices must be integers or slices, not tuple

只能用列表解析的方法读取一列：x_data = [v[0] for v in vectors_set]

而数组就可以直接读取：

>>> import numpy as np

>>> a=np.array([[1,2,3],[4,5,6]])

>>> a[:,0]

注意点（2）：在python中，普通的列表list和numpy中的数组array是不一样的，最大的不同是：一个列表中可以存放不同类型的数据，包括int、float和str，甚至布尔型；而一个数组中存放的数据类型必须全部相同，int或float。

tensorflow 学习（1）简单计算和线性回归

猜你喜欢