走进tensorflow第六步——拟合一元二次函数

上次关于学习率的探究可能是由于结构太单一了，造成了某些点的突变，并不能很好地说明问题。。

今天搞一下二次函数，参考博客：http://www.voidcn.com/article/p-svrdazmh-bro.html，当然，后来又搜到一篇差不多的博客：https://www.cnblogs.com/Lee-yl/p/10022942.html，应该是进一步的加工产品……

开始吧，内容比较多，慢慢来，先上代码：

# -*- coding: utf-8 -*-
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

# 构造满足一元二次方程的函数
# 构建300个点，区间[-1, 1]，直接用numpy生成等差数列，然后将结果是300个点的一维数组转换为300X1二维数组
x_data = np.linspace(-1, 1, 300)[:, np.newaxis]
# 此处加入噪声点，使得他们与x_data的维度一致，并且拟合成均值为0，方差为0.05正态分布
noise = np.random.normal(0, 0.05, x_data.shape)
# 假设的方程，并且加入噪声点
y_data = np.square(x_data) - 0.5 + noise
#占位符，None表示任意尺寸
xs = tf.placeholder(tf.float32,