TensorFlow的基本结构

import numpy as np
import tensorflow as tf

w=tf.Variable(0,dtype=tf.float32)
cost=tf.add(tf.add(w**2,tf.multiply(-10.,w)),25)            #定义损失函数，或者写成w**2-10*w+25
train=tf.train.GradientDescentOptimizer(0.01).minimize(cost)#使用0.01的学习率最小化损失

init=tf.global_variables_initializer()
session=tf.Session()        #开启一个TensorFlow session
session.run(init)           #初始化全局变量
print(session.run(w))       #0.0

session.run(train)     
print(session.run(w))       #在一步梯度下降法之后，w是0.1

for i in range(1000):       #梯度下降1000次之后，w的值接近5
    session.run(train)
print(session.run(w))

 1 import numpy as np
 2 import tensorflow as tf
 3 
 4 coefficients=np.array([[1.],[-10.],[25.]])  #系数数组（可换成其他数组）
 5 
 6 w=tf.Variable(0,dtype=tf.float32)
 7 x=tf.placeholder(tf.float32,[3,1])          #x变成[3,1]数组，placeholder函数告诉TensorFlow稍后为x提供数组，便于把训练数据加入损失方程
 8 cost=x[0][0]*w**2+x[1][0]*w+x[2][0]         #损失函数的另一种写法
 9 train=tf.train.GradientDescentOptimizer(0.01).minimize(cost)#使用0.01的学习率最小化损失
10 
11 init=tf.global_variables_initializer()
12 session=tf.Session()        #开启一个TensorFlow session
13 session.run(init)           #初始化全局变量
14 print(session.run(w))       #0.0
15 
16 session.run(train,feed_dict={x:coefficients})     #将系数数组接入x，加入损失方程
17 print(session.run(w))                             #0.1
18 
19 for i in range(1000):
20     session.run(train,feed_dict={x:coefficients})
21 print(session.run(w))                             #4.99999