tensorflow是乙個開源軟體庫，用於各種感知和語言理解任務的機器學習。tensorflow是由谷歌開發的，只要支援python語言，用起來還是蠻方便的。
本文的**是在ubantu64位系統下用pyhton3和tensorflow1.2執行的。
當我們給出一系列（x，y）值的點，這些點遵循某個函式那麼怎麼去找到這個函式的表示式呢？（也就是函式對應變數的引數）用tensorflow機器學習是一種方法（似乎感覺有點大材小用了）但作為乙個簡單的機器學習以及tensorflow的入門例子還是簡單易懂是非適合的。
**裡以及寫的夠清楚了
這裡隨機生成了10000組點x是隨機生成的float32型別的數，y則是0.7*x^2+0.3
程式通過學習後能夠找到引數0.7和0.3。
1. 先建立tensorflow構
2. 然後初始化
3. 然後run，執行起來。
import tensorflow as tf
import numpy as np
# create data
x_data = np.random
.rand(10000).astype(np.float32) #create 100 random float number
y_data = x_data*x_data*0.7 + 0.3
#create tensorflow structure start
#weights means 權重
#biases means 偏移量
weights = tf.variable(tf.random_uniform([1], -1.0, 1.0)) #隨機生成1維的-1.0到1.0
biases = tf.variable(tf.zeros([1]))
y = weights*x_data*x_data + biases
loss = tf.reduce_mean(tf.square(y-y_data)) #**的y值與實際的差
optimizer = tf.train
.gradientdescentoptimizer(0.5) #優化器：減少誤差，使用梯度下降來減小誤差，引數小於1
train = optimizer.minimize(loss) #train使用optimizer來最小化loss
init = tf.global_variables_initializer() # 初始化！重要必須要有初始化
#create tensorflow structure end
#建立tensorflow session 並初始化
sess = tf.session()
sess.run(init) # very important啟用init
#訓練1000次每次輸出weights和biases
每一步輸出學習得到的函式的引數，訓練1000次效果還是可以的。
非常感謝莫煩python的教程，簡單易懂，十分用心。希望學習python，學習python資料處理以及機器學習tensorflow等等可以學他的教**的非常不錯。
再次附上莫煩python的鏈結，全是乾貨實在佩服
2 8 使用Tensorflow實現簡單機器學習
前面我們介紹了使用numpy和pytorch實現簡單的回歸分析任務，這次我們使用tensorflow來實現相同的任務。我們使用tensorflow1.0版本的，使用靜態圖。如下 1 導入庫及生成訓練資料 import tensorflow as tf import numpy as np from ...
TensorFlow入門02 簡單的神經網路
在本文中會先介紹一些概念，然後給出乙個簡單的完整神經網路樣例程式。首先啟用函式可以解決線性不可分問題。讀者可以訪問通過網頁瀏覽器就可以訓練簡單神經網路並實現視覺化過程。截圖如下所示 神經網路模型的效果以及優化的目標是通過損失函式 loss function 來定義的。分類問題 如手寫數字識別 如何判...
Docker入門學習 單機版安裝 超簡單
docker 1.安裝 學習deocker，先跑起來再說！1.安裝需要環境 1 centos7以上版本 檢視版本命令 cat etc redhat release 2 linux核心版本依賴 kernel version 3.8 檢視核心命令 uname a awk 3 如果已安裝過docker,需...