實際上編寫tensorflow可以總結為兩步.
（1）組裝乙個graph;
（2）使用session去執行graph中的operation。
當使用tensorflow進行graph構建時，大體可以分為五部分：
1、為輸入x與輸出y定義placeholder；
2、定義權重w；
3、定義模型結構；
4、定義損失函式；
5、定義優化演算法
下面是手寫識別字程式：
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("mnist_data/",one_hot=true)
#匯入資料集
x = tf.placeholder(shape=[none,784],dtype=tf.float32)
y = tf.placeholder(shape=[none,10],dtype=tf.float32)
#為輸入輸出定義placehloder
w = tf.variable(tf.truncated_normal(shape=[784,10],mean=0,stddev=0.5))
b = tf.variable(tf.zeros([10]))
#定義權重
y_pred = tf.nn.softmax(tf.matmul(x,w)+b)
#定義模型結構
loss =tf.reduce_mean(-tf.reduce_sum(y*tf.log(y_pred),reduction_indices=[1]))
#定義損失函式
opt = tf.train.gradientdescentoptimizer(0.05).minimize(loss)
#定義優化演算法
Tensorflow快速入門 線性回歸
coding utf 8 import tensorflow as tf import numpy import matplotlib.pyplot as plt rng numpy.random learning rate 0.01 training epochs 10000 display st...
tensorflow入門 1 構造線性回歸模型
今天讓我們一起來學習如何用tf實現線性回歸模型。所謂線性回歸模型就是y w x b的形式的表示式擬合的模型。我們先假設一條直線為 y 0.1x 0.3，即w 0.1，b 0.3,然後利用隨機數在這條直線附近產生1000個隨機點，然後利用tensorflow構造的線性模型去學習，最後對比模型所得的w和...
TensorFlow 實現Softmax 回歸模型
importtensorflowastf importnumpyasnp importtensorflow.examples.tutorials.mnist.input dataasinput data mnist input data.read data sets mnist data one h...