当你努力到把自己都感动的时候，你离成功就不远了。

hello world#coding=utf-8import tensorflow as tfhello=tf.constant("htllo world")sess=tf.Session()print sess.run(hello)sess.close()基础运算#coding=utf-8import tensorflow as tfsess=tf.Session()a=tf.cons

src website：https://github.com/aymericdamien/TensorFlow-Examples/ 主要介绍下近邻分类，线性回归，逻辑回归线性回归 简单来说，就是由一堆数据需要用一个线性函数拟合它们 大致过程就是用梯度下降算法最小化损失函数#coding=utf-8#线性回归import tensorflow as tfimport numpyimpor

、

tf.gradienttensorflow中有一个计算梯度的函数tf.gradients(ys, xs)，要注意的是，xs中的x必须要与ys相关，不相关的话，会报错。 代码中定义了两个变量w1， w2， 但res只与w1相关import tensorflow as tfw1 = tf.Variable([[1,2]])w2 = tf.Variable([[3,4]])res = tf.mat

tf.slice(inputs,begin,size,name=”) import tensorflow as tf import numpy as np x=[[1,2,3],[4,5,6]] y=np.arange(24).reshape([2,3,4]) sess=tf.Session() begin_x=[1,0]