使用tensorflow预测一元一次方程组系数

import tensorflow as tf
import numpy as np

#使用numpy 随机生成100个随机值
x_data = np.random.rand(100)
#生成y值
y_data = x_data*0.1+0.2

#构造一个线性模型
b=tf.Variable(0.)
w=tf.Variable(0.)
#模型要预测的方程式
y=w*x_data+b

#二次代价函数-定义损失
loss= tf.reduce_mean(tf.squqre(y_data-y))
#定义一个梯度下降法来优化更新步长
optimizer = tf.train.GradientDescentOptimizer(0.2)
#根据损失进行参数优化
train = optimizer.minimize(loss)

#初始化变量
init = tf.global_variables_initializer()


with tf.Session() as sess:
    sess.run(init)
    for step in range(2.0):
        sess.run(train)