TensorFlow学习笔记--什么是TensorFlow

TensorFlow是什么：
TensorFlow是谷歌基于DistBelief进行研发的第二代开源的人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。TensorFlow可被用于语音识别或图像识别等多项机器学习和深度学习领域。TensorFlow是深度学习的一个工具包和函数库。
以下是神经网络运行的基本过程：

    #通过对y = 1.2x + 0.3进行学习并输出，首先导入所需的库函数：
    #在这我们需要tensorflow和numpy两个
    import tensorflow as tf
    import numpy as np

    #创建随机一维矩阵数据并存入x_data中，并将y_data的数据也按照函数式赋给它
    x_data = np.random.rand(100).astype(np.float32)
    y_data = x_data*1.2 + 0.3

    ###开始创建一个TensorFlow的框架###
    #通过tf.random_uniform()给x_data设置随机权重
    Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0))
    #产生一维矩阵的biases
    biases = tf.Variable(tf.zeros([1])) 

    y  = Weights*x_data + biases  

    #计算y和y_data的差值
    loss = tf.reduce_mean(tf.square(y-y_data))  
    #设置学习速率
    Optimizer = tf.train.GradientDescentOptimizer(0.5)
    #使loss的值最小化
    train = optimizer.minimize(loss)

    #初始化所有的变量
    init = tf.global_variables_initializer()
    ###结束创建TensorFlow框架###

    #创建一个会话
    sess = tf.Session()
    # 运行--不可或缺
    sess.run(init)

    For step in range(201):
        sess.run(train)
        if step % 20 == 0:
            print(step,sess.run(Weights),sess.run(biases))