一个最简单的深度学习tensorflow1.0框架

一个很有趣的个人博客,不信你来撩 fangzengye.com

注意：是1.0版本

session的作用： 类似main，起到运行这条代码的作用

导入第三方库

import numpy as np
import tensorflow as tf

初始化系数coefficient

coefficients = np.array([[1], [-20], [25]])

初始化变量

w = tf.Variable([0], dtype=tf.float32)

初始化系数x的占位符（简单理解为为x申请一个静态的内存，防止过多输入参数导致效率降低）

x = tf.placeholder(tf.float32,[3, 1])

初始化代价函数

cost = x[0][0]*w**2 + x[1][0]*w + x[2][0]

实例化优化器并将代价函数放进去

train = tf.train.GradientDescentOptimizer(0.01).minimize(cost)

实例化全局变量恢复至默认值的函数

init = tf.gloabal_variables_initializer()

实例化会话函数

session = tf.Session()

运行将全局变量初始化的函数init

session.run(init)

进行训练

for i in range(1000):
	session.run(train, feed_dict={x:coefficients})

最后输出结果

print(session.run(w))

全部代码

import numpy as np
import tensorflow as tf
coefficients = np.array([[1], [-20], [25]])

x = tf.placeholder(tf.float32,[3, 1])

w = tf.Variable([0], dtype=tf.float32)

cost = x[0][0]w**2 + x[1][0]w + x[2][0]
train = tf.train.GradientDescentOptimizer(0.01).minimize(cost)

init = tf.gloabal_variables_initializer()
session = tf.Session()

session.run(init)

for i in range(1000):

session.run(train, feed_dict={x:coefficients})

print(session.run(w))