tensorflow让AI学习加法

在Visual Studio 2019中，创建python项目

import tensorflow as tf
import random

# 两个随机输入参数x,y
inputs = tf.placeholder(tf.float32,[2])

# 加法公式为 v = F(x,y) = a[0]*x+a[1]*y
# 训练的参数为:a[0],a[1]
a = tf.Variable(tf.random_uniform([2],0,1.0))

v = tf.reduce_sum(tf.multiply(inputs,a),0)

# x+y的真正结果，这个结果是程序求解出来的，当作监督学习的标签
y_input = tf.placeholder(tf.float32)
# 误差：ai输出的v值与真实标签值之间的误差
cost =  tf.losses.mean_squared_error(y_input,v)
# 优化器
optimizer = tf.train.GradientDescentOptimizer(0.01).minimize(cost)

session = tf.Session()

session.run(tf.global_variables_initializer())

# 加法，用来求解两个随机值的加和
def model_add(a,b):
	return a+b
print('a:',session.run(a))
# 训练
for i in range(10000):
	# 随机两个值
	test_a = random.uniform(0,10)
	test_b = random.uniform(0,10)
	array = []
	array.append(test_a)
	array.append(test_b)
	sum_value = model_add(test_a,test_b)
	
	# 优化
	optimizer.run(feed_dict={y_input:sum_value,inputs:array},session=session)

	# 计算误差，打印误差
	c = cost.eval(feed_dict={y_input:sum_value,inputs:array},session=session)
	print(c)

	# 误差足够小，不再训练
	if c<0.00001:
		break


#训练的参数
print('a:',session.run(a))

# 测试
for i in range(10):
	test_a = random.uniform(0,5500)+5000
	test_b = random.uniform(0,5500)+5000
	array = []
	array.append(test_a)
	array.append(test_b)
	result = session.run(v,feed_dict={inputs:array})
	print(' ',test_a, ' + ',test_b,' = ',result)

运行！