import tensorflow as tf
import numpy as np
# create data
#TF中大部分的数据都是np.float32的形式，所以astype设置数据类型为float32
x_data = np.random.rand(100).astype(np.float32)
#构造y=kx+b 的线性函数weight=0.1 biases = 0.3
y_data = x_data*0.1 + 0.3
### create tensorflow structure start ###
"""
构建一个y_data = Weights*x_data+biases的函数，在TF神经网络中会一步步学习
使得初始值很接近于weight 或者很接近于biases
"""
#tf.Variable 定义TF中的变量形式
#tf.random_uniform 生成随机数列生成方式，结构是[1]维的结构 范围是-1：1
Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
biases = tf.Variable(tf.zeros([1])) #定义一个初始值为0的变量
y = Weights*x_data + biases #定义函数
loss = tf.reduce_mean(tf.square(y-y_data)) #计算残差的平均数
#优化器 optimizer ，使用GradientDescent进行优化，每一步为0.5
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
#把神经网络的结构做好之后init 初始化所有参数
init = tf.initialize_all_variables()
### create tensorflow structure end ###
sess = tf.Session()
#run 激活初始化 run的指针指向那个对像才会激活
sess.run(init) # Very important
for step in range(201):
sess.run(train)
if step % 20 == 0:
print(step, sess.run(Weights), sess.run(biases))
本代码出自 莫凡老师的教程，加上我自己的一些备注
http://study.163.com/course/courseMain.htm?courseId=1003209007
