【懒懒的Tensorflow学习笔记一之快速入门】

最近在学习tensorflow，在这里强烈推荐莫烦的教程，可以在B站观看****，本篇博客主要是复现他所写的代码，不过由于版本不同，对他的代码进行了更改，话不多说，直接上代码。

# coding=utf-8
import numpy as np
import tensorflow as tf

# 第一个tensorflow小程序

# create data 创建训练数据集
x_data = np.random.random(100).astype(np.float32)
y_data = x_data * 0.5 + 1.5

# tensorflow structure start 确定tensorflow结构
Weights = tf.Variable(tf.random_uniform([1], -1, 1))  # 权重，random_uniform([1], -1, 1)表示产生均匀分布随机数，维度1，范围[-1, 1]
Bias = tf.Variable(tf.zeros([1]))  # 偏置

y = Weights * x_data +Bias

# 定义损失函数
loss = tf.reduce_mean(tf.square(y - y_data))
# 定义优化器
optimizer = tf.train.GradientDescentOptimizer(0.5)  # 0.5是学习效率，通常小于1, GradientDescentOptimizer()是梯度下降法的优化器
train = optimizer.minimize(loss)

# 初始化(tf.initialize_all_variables()新版本中已经不能使用，用tf.global_variables_initializer()代替)
init = tf.global_variables_initializer()

sess = tf.Session()  # Session()是会话控制
sess.run(init) # 这一步至关重要

# 训练500次，每20次输出权重和偏置
for step in range(500):
    sess.run(train)
    if step % 20 == 0:
        print(step, sess.run(Weights), sess.run(Bias))

注意：原来的tf.initialize_all_variables()在新版本中已经不能使用了，用tf.global_variables_initializer() 代替，（我的版本是Tensorflow 1.4.0版本）