代码：
import tensorflow as tf
import numpy as np
##使用numpy生成100个随机点
x_data=np.random.rand(100)
y_data=x_data*0.1+0.2
import numpy as np
##使用numpy生成100个随机点
x_data=np.random.rand(100)
y_data=x_data*0.1+0.2
#构建线性模型
b=tf.Variable(0.0) ##变量需要初始化才能使用
k=tf.Variable(0.0)
y=k*x_data+b
b=tf.Variable(0.0) ##变量需要初始化才能使用
k=tf.Variable(0.0)
y=k*x_data+b
#二次代价函数
loss=tf.reduce_mean(tf.square(y_data-y))#平方再取平均
#定义一个梯度下降法来进行训练的优化器
optimizer=tf.train.GradientDescentOptimizer(0.2)
#学习率0.2
#最小化代价函数
train=optimizer.minimize(loss)
loss=tf.reduce_mean(tf.square(y_data-y))#平方再取平均
#定义一个梯度下降法来进行训练的优化器
optimizer=tf.train.GradientDescentOptimizer(0.2)
#学习率0.2
#最小化代价函数
train=optimizer.minimize(loss)
#初始化变量
init=tf.global_variables_initializer()
init=tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
for step in range(201):
sess.run(train)
if step%20 == 0:
print(step,sess.run([k,b]))
sess.run(init)
for step in range(201):
sess.run(train)
if step%20 == 0:
print(step,sess.run([k,b]))
