1.实现一个最简单的线性回归深度学习训练

**

一、实现深度学习训练主要有

1. 数据集的制作
2. 载入数据集
3. 定义模型并初始化模型参数
4. 定义损失函数
5. 定义优化函数
6. 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