深度学习3：TensorFlow第一个简单Demo

为了了解TensorFlow整体流程，学习一个简单的Demo，使用TensorFlow拟合最简单的线性函数：$y = w * x + b$。

输入为x和y，x为[0,1)的随机数，$y = 0.1 * x + 0.3$。构造线性模型为y = Weights * x + biases，Weights和biases就是要训练的值。

代码如下：

import tensorflow as tf
import numpy as np

#creat data
x_data = np.random.rand(100).astype(np.float32)     ##输入值[0，1)之间的随机数
y_data = x_data * 0.1 + 0.3     ##预测值

###creat tensorflow structure strat###
# 构造要拟合的线性模型
Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0))    
biases = tf.Variable(tf.zeros([1]))     
y = Weights * x_data + biases   

# 定义损失函数和训练方法
loss = tf.reduce_mean(tf.square(y-y_data))   ##最小化方差    
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# 初始化变量
init = tf.initialize_all_variables()
###creat tensorflow structure end###

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

# 训练拟合，每一步训练队Weights和biases进行更新
for step in range(201):
    sess.run(train)
    if step % 20 == 0:  
            print(step,sess.run(Weights),sess.run(biases))  ##每20步输出一下W和b

# 得到最优拟合结果 W接近于0.1，b接近于0.3

可以看到TensorFlow整体流程如下：
1.输入数据
2.建立模型
3.定义损失函数和训练方法
4.初始化和启动Tensorflow会话
5.训练

结果如下：

0 [ 0.67210519] [-0.04662135]
20 [ 0.24399574] [ 0.21818803]
40 [ 0.13566521] [ 0.27973664]
60 [ 0.10883366] [ 0.29498112]
80 [ 0.10218795] [ 0.29875693]
100 [ 0.10054193] [ 0.29969212]
120 [ 0.10013423] [ 0.29992375]
140 [ 0.10003327] [ 0.29998112]
160 [ 0.10000826] [ 0.29999533]
180 [ 0.10000205] [ 0.29999885]
200 [ 0.10000052] [ 0.29999971]

可以看到拟合效果很不错。

最后

以上就是安静香烟为你收集整理的深度学习3：TensorFlow第一个简单Demo的全部内容，希望文章能够帮你解决深度学习3：TensorFlow第一个简单Demo所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。