為了進一步熟悉tensorflow的基本操作，下面通過乙個線性回歸的小例子簡單展示一下tensorflow的基本使用流程。
由於是簡單的線性回歸，我們自己生成乙份隨即資料作為演示就可以了。
def
createdata
(w,b):
x = np.linspace(-1,1,100)
y = w*x + b + np.random.randn(*x.shape)*w*0.1
return x,y
上面生成的資料分布是二維平面上的直線，那麼公式為y=
f(x)
=wx+
b x和y是輸入的訓練資料，用佔位符表示
#x = tf.placeholder(tf.float32,shape = trainx.shape) 預設shape=none表示任意型別
#y = tf.placeholder(tf.float32,shape = trainy.shape)
x = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)
w = tf.variable(np.random.randn(),name='weight')
b = tf.variable(np.random.randn(),name='bias')
wx+b
#也可以y_pred = tf.add(tf.multiply(w,x) , b)
y_pred = w*x + b
#也可以loss = tf.reduce_sum(tf.squared_difference(y , y_pred))
loss = tf.reduce_sum(tf.square(y - y_pred))
loss += 1e-6*tf.global_norm([w])trainop = tf.train.gradientdescentoptimizer(0.001).minimize(loss)epochs = 1000
with tf.session() as sess:
sess.run(tf.initialize_all_variables())
for epoch in range(epochs):
w,b = sess.run([trainop,w,b],feed_dict=)
完整**
《一線架構師實踐指南》閱讀筆記02
架構 是人們為了提高生活質量，進而為了提高生產力，接著為了提高生產效率，而做出的對目標的有機的分割。這種分割與建築的架構是一樣，對目標內部進行空間切分，又留下門窗與各部分進行連通，讓各部分相互隔離而又可以有效的溝通。就好像我們的社會，我們每個人通過自己的工作掙到錢 分割 讓後通過錢與物的交易 溝通 ...
《一線架構師實踐指南》閱讀筆記02
一 既然了解了什麼是軟體架構，那麼接下來就來看看它產生的原因 一線架構師實踐指南 中說了五點，我的理解是 架構 是人們為了提高生活質量，進而為了提高生產力，接著為了提高生產效率，而做出的對目標的有機的分割。這種分割與建築的架構是一樣，對目標內部進行空間切分，又留下門窗與各部分進行連通，讓各部分相互隔...
一線架構師實踐指南閱讀筆記02
細化架構的故事有兩個，第乙個是架構和方案的關係 方案 專案 需求 架構。第二個故事是各個職業在討論架構的定義，每個職業各抒己見，但都有盲人摸象的感覺。最後書中給的建議是盡可能全面的思考問題，盡可能全面的覆蓋多個職業。這是乙個很客觀的評價，但在實際生活中有點理想化，個人感覺應該是盡量多的討論，通過討論...