import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt #建立自定義影象
#使用numpy生成200個隨機點
x_data = np.linspace(-0.5,0.5,200)[:,np.newaxis]
noise = np.random.normal(0,0.02,x_data.shape)
y_data = np.square(x_data) + noise #這是乙個拋物線函式
#定義兩個placeholder
x = tf.placeholder(tf.float32,[none,1]) #定義多行1列的值x
y = tf.placeholder(tf.float32,[none,1]) #定義多行1列的值y
#定義神經網路中間層
weights_l1 = tf.variable(tf.random_normal([1,10])) #建立1行10列的平均值為0，標準差為1，的正態分佈隨機數組weights_l1
biases_l1 = tf.variable(tf.zeros([1,10])) #建立1行10列的全0陣列biases_l1
wx_plus_b_l1 = tf.matmul(x,weights_l1) + biases_l1 #wx_plus_b_l1 為相乘後的矩陣
l1 = tf.nn.tanh(wx_plus_b_l1) #雙曲正切曲線
#定義神經網路輸出層
weights_l2 = tf.variable(tf.random_normal([10,1])) #建立10行1列的平均值為0，標準差為1，的正態分佈隨機數組weights_l2
biases_l2 = tf.variable(tf.zeros([1,1])) #建立1行1列的全0陣列biases_l1
wx_plus_b_l2 = tf.matmul(l1,weights_l2) + biases_l2
prediction = tf.nn.tanh(wx_plus_b_l2)
#二次代價函式
loss = tf.reduce_mean(tf.square(y-prediction)) #計算平均值loss
#使用梯度下降法訓練
train_step = tf.train.gradientdescentoptimizer(0.1).minimize(loss)
with tf.session() as sess:
#變數初始化
sess.run(tf.global_variables_initializer())
for i in range(2000):
sess.run(train_step,feed_dict=) #給train_step賦值並執行
#獲得**值
prediction_value = sess.run(prediction,feed_dict=)
#畫圖plt.figure() #設定影象的屬性
plt.scatter(x_data,y_data) #以x_data為橫座標, y_data為縱座標 畫散點圖 ,scatter:散點
plt.plot(x_data,prediction_value,'b-',lw=5)#以x_data 為橫軸, prediction_value 為縱軸，以顏色為藍色，線條寬度為5的直線畫出這個線條圖形
plt.show() #展示圖形
TensorFlow 深度學習筆記
google 深度學習筆記 經常總結是個好習慣，筆記目錄奉上。歡迎star，有問題可以到issue區討論 官方教程位址 最近tensorflow團隊出了乙個model專案，和這個課程無關，但是可以參考 框架 tensorflow 谷歌出品的基於python的深度學習工具集 工具 ipython,py...
TensorFlow深度學習框架
tensorflow支援python和c 兩種程式語言，再複雜的多層神經網路模型都可以用python來實現，如果業務使用其他程式設計也不用擔心，使用跨語言的grpc或者http服務也可以訪問使用tensorflow訓練好的智慧型模型。tensorflow 是乙個採用資料流圖 data flow gr...
深度學習 初識TensorFlow
深度學習使用場景 影象理解 語音識別 自然語言處理 機器自主 無人駕駛 深度學習，如深度神經網路 卷積神經網路和遞迴神經網路已被應用計算機視覺 語音識別 自然語言處理 音訊識別與生物資訊學等領域並取得了很好的效果。深度學習在人工智慧領域的地位 深度學習框架 google brain計畫產物 應用於a...