モウpython(tensorflow)まとめ-ニューラルネットワーク構築(簡易版)

import tensorflow as tf 
import numpy as np
import matplotlib.pyplot as plt

def add_layer(inputs,in_size,out_size,activation_function=None):  #       ，              （  ，      ，      ，    （     ））
	Weights = tf.Variable(tf.random_normal([in_size,out_size]))   #      ——Weights，       [in_size,out_size]     
	biases = tf.Variable(tf.zeros([1,out_size])+0.1)			  #      ——biases，       [1,out_size]     ，     0.1
	Wx_plus_b=tf.matmul(inputs,Weights)+biases					  #      ，Wx_plus_b= ax+b,            ，       
	if activation_function is None:
		outputs = Wx_plus_b
	else:
		outputs = activation_function(Wx_plus_b)
	return outputs												  #      

	
##       	
x_data = np.linspace(-1,1,300)[:,np.newaxis]					  # -1 1  ，  300       ，x_data    [:,np.newaxis]   ：[1,300], 1 300 。
noise = np.random.normal(0,0.05,x_data.shape)					  #             0，    0.05     ，        x_data  （     x_data ）
y_data = np.square(x_data)-0.5+noise							  #    y_data：(x_data）^2-0.5 + noise

  # placeholder()          graph          ，                ，          。   session，    ，         feed_dict()          。  
xs = tf.placeholder(tf.float32,[None,1])                          #    1     xs
ys = tf.placeholder(tf.float32,[None,1])						  #    1     ys


#        
l1 = add_layer(xs,1,10,activation_function=tf.nn.relu)			  #    xs,   1     ，10     ，     relu.
prediction = add_layer(l1,10,1,activation_function=None)		  #     l1，10     ，1     ，    None（     ）

#    
loss =tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))  #reduction_indices             //         
train_step=tf.train.GradientDescentOptimizer(0.1).minimize(loss)                     #  GDO loss       

#        ， run  ，        ，    
init =tf.initialize_all_variables()

#  sess,                  
sess =tf.Session()
#       
sess.run(init)

#        ，     
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.scatter(x_data,y_data)
plt.ion()
plt.show()

#    ，  1000 
for i in range(1000):
	sess.run(train_step,feed_dict={xs:x_data,ys:y_data})   		  #    ，     x_data y_data
	if i%50==0:                                                   # 50          
		# print(sess.run(loss,feed_dict={xs:x_data,ys:y_data}))   # 50    loss 
		try:													  #   lines     ，       ，      （            ）
			ax.lines.remove(lines[0])							  
		except Exception:										
			pass
		prediction_value = sess.run(prediction,feed_dict={xs:x_data}) #       
		lines = ax.plot(x_data,prediction_value,'r-',lw=5)        #  ，   5 x_datahe          
		plt.pause(0.1)											  #  0.1s