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+by=w∗x+b。

输入为x和y，x为[0,1)的随机数，y=0.1∗x+0.3y=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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
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]
1
2
3
4
5
6
7
8
9
10
11
可以看到拟合效果很不错。
--------------------- 
作者：岳麓吹雪 
来源：CSDN 
原文：https://blog.csdn.net/lin453701006/article/details/79155713 
版权声明：本文为博主原创文章，转载请附上博文链接！