一 檔案結構

    並不是自己下載的程式碼，老師給的，看到readme.md猜測可能時github上下載的。先理一下這個檔案結構，最_pycache_檔案有什麼用（https://blog.csdn.net/index20001/article/details/73501375/ ），解決了自己一半的疑惑，作用類似於他的名字cache,減少工程執行時間。但是，他的產生情況和文中不符，此處不再細究。

    字尾.py的肯定一目瞭然，根據檔名猜測是不同演算法的實現。下面那些莫名其妙的字尾名，參考：https://zhidao.baidu.com/question/487001230.html，就是一個老外標記好的minist資料。（很好奇為什麼這麼少）

二 邊學tensorflow邊看程式碼

（1）瞭解一下 tensorflow

https://blog.csdn.net/lhh08hasee/article/details/80546919（csdn，深度學習學習資源的部落格）

（2）上面視訊收費......所以

主要想系統看下tensorflow，看官網教程感覺會很慢，看個視訊入門先（個人感覺，看了一些機器學習基礎知識的教程，發現還是先會用，再回過頭來看基礎比較好，因為基礎是在太多了，看前面，忘後面）

三 視訊筆記()

（1）tensorflow簡介

a.  作者：google  作用：方便入門深度學習

b. 安裝 windows/ubuntu+cpu+python3.5上的tensorflow

c.第三小節：(機器學習基礎)......（已知道）

  (2)tensorflow基礎框架

a.  怎樣處理資料的結構（通過tensorboard介紹的）

收穫：tensorflow,翻譯過來：向量在結構中飛。（建議視訊多看兩遍，接受它需要有基礎）

b. 程式碼看結構

import tensorflow as tf
import numpy as np

#creat data
x_data = np.random.rand(100).astype(np.float32) #資料轉換，依據 
#tensorflow資料格式
#實際y_data，用來預測模型好壞
y_data = x_data*0.1+0.3

#print(x_data)

#creat tensorflow structure start#

#Weigtht 矩陣，大寫方便識別
Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0))
biases = tf.Variable(tf.zeros([1]))

y = Weights*x_data+biases    #很明顯和上述式子結構一樣
loss = tf.reduce_mean(tf.square(y-y_data))  #計算誤差平方和

optimizer = tf.train.GradientDescentOptimizer(0.5)  #梯度下降最優控制器 
#（百度翻譯），0.5為學習效率，等效於步長

train = optimizer.minimize(loss)  #用梯度下降使誤差最小

init = tf.initialize_all_variables()  #上面僅僅是建立，這裡初始化變數

#...............end.............#

sess = tf.Session()
sess.run(init)  #Very important

#訓練神經網路

for step in range(201):
    sess.run(train)
    if step %20 ==0:
        print(step,sess.run(Weights),sess.run(biases))
 

執行結果：

注意：本程式碼為視訊練習手打程式碼，由於md2all用的不太熟，所以可能執行會存在錯誤，錯誤原因一定是來手動排版產生了不必要空格。 

小結：第一次打tensorflow程式碼，感覺到了當初聽公開課老師說的感受，人工智慧理論是一回事，寫程式碼是另一回事兒，但是走的遠的理論一定要好。程式碼理解很容易，邏輯理清楚有點難，我不太清楚sess.run()的工作意味著什麼，其他都是很基礎的東西。

c.會話控制

看了個部落格，知道複製程式碼進去md2all產生錯誤的原因不是我自己的操作原因，看了一眼感覺稍微麻煩點，還不如直接截圖來的爽快。程式碼很簡單，很好理解。

d.變數

結果：

也很簡單，注意標註first和second的地方就好了。

本想簡單瞭解，突然間感覺也挺多的，看完視訊再去研究下tesorflow的hello world程式碼。