1.安装Anaconda

1.Window,MacOS,Linux都已支持Tensorflow。 2.Window用户只能使用python3.5(64bit)。MacOS,Linux支持python2.7和python3.3+。 3.有GPU可以安装带GPU版本的，没有GPU就安装CPU版本的。 4.推荐安装Anaconda

Anaconda下载地址：

如果没有jupyter_notebook_config.py文件 打开命令提示符执行：jupyter notebook –generate-config

2.Tensorflow安装

Windows安装Tensorflow 管理员方式打开命令提示符，输入命令：pip install tensorflow CPU版本： 管理员方式打开命令提示符，输入命令：pip install tensorflow-gpu GPU版本： 更新Tensorflow： pip uninstall tensorflow pip install tensorflow pip install tensorflow –upgrade

具体安装详情可以参考 liguoyin乖小小 这位博主：

Linux和MacOS安装Tensorflow Python 2.7用户：pip install tensorflow Python3.3+用户：pip3 install tensorflow CPU版本： pip install tensorflow-gpu pip3 install tensorflow-gpu

3.让我们开始写代码吧！

1.打开Jupyter NoteBook,创建一个Python3文件

2.敲键盘

1.首先导入tersonflow和numpy

import tensorflow as tf
import numpy as np

2.使用numpy生成100个随机点样本

x_data = np.random.rand(100) # x_data是二次函数的斜率
y_data = x_data*0.1 + 0.2 #  0.2是二次函数的截距
# 以上数据大家在写的时候可以随便写

3.构建一个线性模型

# tf.Variable是tersonflow中的变量
# 截距
b=tf.Variable(0.)
# 斜率
k=tf.Variable(0.)
y=k*x_data+b

4.写一个二次代价函数

# （样本值-预测值）的误差的平方的平均值
loss = tf.reduce_mean(tf.square(y_data-y))

5.定义一个梯度下降法来进行训练的优化器

optimizer = tf.train.GradientDescentOptimizer(0.2)

6.写一个最小化代价函数（训练的目的）

train=optimizer.minimize(loss)

7.初始化变量

init = tf.global_variables_initializer()

8.定义会话

# 训练500次，每50次输出训练的斜率与截距
with tf.Session() as sess:
    sess.run(init)
    for step in range(501):
        sess.run(train)
        if step%50==0:
            print(step,sess.run([k,b]))

我训练的结果:

代码已上传到百度网盘，github不知道为什么最近总是登不上去。 链接： 密码：uyu4