例子2

学习资料:

• 相关代码
• 为 TF 2017 打造的新版可视化教学代码

Tensorflow 是非常重视结构的, 我们得建立好了神经网络的结构, 才能将数字放进去, 运行这个结构.

这个例子简单的阐述了 tensorflow 当中如何用代码来运行我们搭建的结构.

创建数据¶

首先, 我们这次需要加载 tensorflow 和 numpy 两个模块, 并且使用 numpy 来创建我们的数据.

import tensorflow as tf import numpy as np # create data x_data = np.random.rand(100).astype(np.float32) y_data = x_data*0.1 + 0.3

xxxxxxxxxx

 

1

import tensorflow as tf

2

import numpy as np

3

​

4

# create data

5

x_data = np.random.rand(100).astype(np.float32)

6

y_data = x_data*0.1 + 0.3

7

​

接着, 我们用 tf.Variable 来创建描述 y 的参数. 我们可以把 y_data = x_data*0.1 + 0.3 想象成 y=Weights * x + biases, 然后神经网络也就是学着把 Weights 变成 0.1, biases 变成 0.3.

搭建模型¶

Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0)) biases = tf.Variable(tf.zeros([1])) y = Weights*x_data + biases

xxxxxxxxxx

 

1

Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0))

2

biases = tf.Variable(tf.zeros([1]))

3

​

4

y = Weights*x_data + biases

5

​

计算误差¶

接着就是计算 y 和 y_data 的误差:

loss = tf.reduce_mean(tf.square(y-y_data))

xxxxxxxxxx

 

1

loss = tf.reduce_mean(tf.square(y-y_data))

2

​

传播误差¶

反向传递误差的工作就教给optimizer了, 我们使用的误差传递方法是梯度下降法: Gradient Descent 让后我们使用 optimizer 来进行参数的更新.

optimizer = tf.train.GradientDescentOptimizer(0.5) train = optimizer.minimize(loss)

xxxxxxxxxx

 

1

optimizer = tf.train.GradientDescentOptimizer(0.5)

2

train = optimizer.minimize(loss)

3

​

训练¶

到目前为止, 我们只是建立了神经网络的结构, 还没有使用这个结构. 在使用这个结构之前, 我们必须先初始化所有之前定义的Variable, 所以这一步是很重要的!

# init = tf.initialize_all_variables() # tf 马上就要废弃这种写法 init = tf.global_variables_initializer() # 替换成这样就好

xxxxxxxxxx

 

1

# init = tf.initialize_all_variables() # tf 马上就要废弃这种写法

2

init = tf.global_variables_initializer()  # 替换成这样就好

3

​

接着,我们再创建会话 Session. 我们会在下一节中详细讲解 Session. 我们用 Session 来执行 init 初始化步骤. 并且, 用 Session 来 run 每一次 training 的数据. 逐步提升神经网络的预测准确性.

sess = tf.Session() sess.run(init) # Very important for step in range(201): sess.run(train) if step % 20 == 0: print(step, sess.run(Weights), sess.run(biases))

xxxxxxxxxx

 

1

sess = tf.Session()

2

sess.run(init)          # Very important

3

​

4

for step in range(201):

5

    sess.run(train)

6

    if step % 20 == 0:

7

        print(step, sess.run(Weights), sess.run(biases))

8

​

---

降低知识传递的门槛

莫烦经常从互联网上学习知识，开源分享的人是我学习的榜样。 他们的行为也改变了我对教育的态度: 降低知识传递的门槛。

我组建了微信群，欢迎大家加入，交流经验，提出问题，互相帮持。 扫码后，请一定备注"莫烦"，否则我不会同意你的入群申请。