**
一、实现深度学习训练主要有
- 数据集的制作
- 载入数据集
- 定义模型并初始化模型参数
- 定义损失函数
- 定义优化函数
- 设置迭代次数,batch_size大小,开始训练**
import random
import tensorflow as tf
# 生成数据集 y = X*w + b + (误差)
def Data(w, b, num):
# 生成全0矩阵
X = tf.zeros((num, w.shape[0]))
# 给x随机赋初值
X = X + tf.random.normal(shape=X.shape)
# 计算X对应y的值,w的值需要转换成1列,-1表示不确定行数,由后面的列自动求出前面的行
# (-1, 1)表示n行1列,n由w的大小确定
y = tf.matmul(X, tf.reshape(w, (-1, 1))) + b
# 给y加上噪声
y += tf.random.normal(shape=y.shape, stddev=0.01)
y = tf.reshape(y