Tensorflow学习：模型构造，模型优化的简单示例

Tensorflow学习：模型构造，模型优化的简单示例

import tensorflow as tf
import numpy as np

# Tensorflow:模型构造和模型优化的简单示例

# 使用numpy生成100个随机点（作为样本）
x_data = np.random.rand(100)
y_data = x_data * 0.1 + 0.2

# 构造一个线性模型（用来拟合上面的随机点样本）
b = tf.Variable(0.)
k = tf.Variable(0.)
# k,b:两个变量：通过梯度下降法来改变这两个值
y = k * x_data + b

# 二次代价函数loss
# y_data为真实值，y为预测的值：求误差的平方，再求一个平方
loss = tf.reduce_mean(tf.square(y_data - y))

# 定义一个梯度下降法来进行训练的优化器:学习率为：0.2
optimizer = tf.train.GradientDescentOptimizer(0.2)

# 定义一个最小化的代价函数（训练的目的）
train = optimizer.minimize(loss)

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

with tf.Session() as sess:
    sess.run(init)
    # 进行迭代
    for step in range(201):
        sess.run(train)
        if step % 20 == 0:
            print(step, sess.run([k, b]))