初识tensorflow

# coding=utf-8  
import tensorflow as tf  
import numpy as np  
  
# creat data  
x_data = np.random.rand(100).astype(np.float32)  # 在tensorflow中数据一般都是float32类型，所以我们把数据类类型定制成这个  
y_data = x_data * 0.1 + 0.3  
  
# creat tensorflow structure start#  
Weights = tf.Variable(tf.random_uniform([1], 2.0, 4.0))  # 通过随即数列生成的方式生成初始权重  以为结构  范围是-1到1  
biases = tf.Variable(tf.zeros([1]))  # 偏置初始定义为0  
  
y = Weights * x_data + biases  # 预测的y  
loss = tf.reduce_mean(tf.square(y - y_data))    #计算loss  
optimizer = tf.train.GradientDescentOptimizer(0.5)  # 建立优化器  0.5是学习效率，是一个小于1的数字，这里我们用0.5代替  
train = optimizer.minimize(loss)  
  
init = tf.global_variables_initializer()    #在建立好结构之后初始化  
# creat tensorflow structure start#  
  
  
sess = tf.Session()     #创建tensorflow会话  
sess.run(init)      #run  
  
for step in range(201):  
    sess.run(train)  
    if step % 20 == 0:  
        print(step, sess.run(Weights), sess.run(biases))    #每跑20布显示 Weight biases  

结果：