Tensorflow

TensorFlow 是谷歌开源的机器学习框架，相对于其它现有框架来说，其具有比较好的扩展性，但是也牺牲了它的速度。

下面介绍Tensorflow 的基本使用：

1, tensorflow 基本操作：

import tensorflow as tf  import numpy as np

乘法：

a = tf.placeholder("float") # 创建符号变量  b = tf.placeholder("float")     y = tf.mul(a, b) # 乘法操作，作用在符号变量上。    sess = tf.Session() # 创建会话，计算符号变量表达式    a1 = 4  b1 = 5  print "%f + %f = %f"%(4, 5,  sess.run(y, feed_dict={a: a1, b: b1})

线性回归

模型：

$$Y = W*X+b$$

# 生成训练数据 + 噪声，下面为了拟合 $$ Y = 2X $$   trX = np.linspace(-1, 1, 101)  trY = 2 * trX + np.random.randn(*trX.shape) * 0.33 # y=2x，但是加入了噪声    X = tf.placeholder("float") #输入输出符号变量  Y = tf.placeholder("float")    # 定义模型  def model(X, w):      return tf.mul(X, w) # 线性回归只需要调用乘法操作即可。    # 模型权重 W 用变量表示  w = tf.Variable(0.0, name="weights") # 共享变量  y_model = model(X, w)    # 定义损失函数  cost = (tf.pow(Y-y_model, 2)) # 平方损失函数    # 构建优化器，最小化损失函数。  train_op = tf.train.GradientDescentOptimizer(0.01).minimize(cost)     # 构建会话  sess = tf.Session()    # 初始化所有的符号共享变量  init = tf.initialize_all_variables()     # 运行会话  sess.run(init)    # 迭代训练  for i in range(100):      for (x, y) in zip(trX, trY):           sess.run(train_op, feed_dict={X: x, Y: y})  # 打印权重w  print(sess.run(w))  

逻辑回归

模型：

$$y = sigmoid(X*W+b)$$

# 初始化权重w  def init_weights(shape):      return tf.Variable(tf.random_normal(shape, stddev=0.01))    # 定义模型  def model(X, w):      return tf.matmul(X, w)     # 获取mnist 数据  mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)  trX, trY, teX, teY = mnist.train.images, mnist.train.labels, mnist.test.images, mnist.test.labels    # 定义占位符变量  X = tf.placeholder("float", [None, 784])   Y = tf.placeholder("float", [None, 10])    w = init_weights([784, 10])   py_x = model(X, w)    # 定义损失函数，交叉熵损失函数  cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(py_x, Y))     # 训练操作，最小化损失函数  train_op = tf.train.GradientDescentOptimizer(0.05).minimize(cost)     # 预测操作，  predict_op = tf.argmax(py_x, 1)     # 定义会话  sess = tf.Session()  init = tf.initialize_all_variables()  sess.run(init)    # 调用多次梯度下降  for i in range(100):      # 训练，每个batch，      for start, end in zip(range(0, len(trX), 128), range(128, len(trX), 128)):          sess.run(train_op, feed_dict={X: trX[start:end], Y: trY[start:end]})      # 测试，每个epoch      print i, np.mean(np.argmax(teY, axis=1) ==                       sess.run(predict_op, feed_dict={X: teX, Y: teY}))

参考：
Tensorflow基本教程[https://github.com/nlintz/TensorFlow-Tutorials]

</div>