Tensorflow训练的核心步骤:
- 准备数据
- 构建模型
- 训练模型
- 进行预测
线性方程: y = w ∗ x + b y=w*x+b y=w∗x+b
需要生成人工数据集,随机生成一个近似采样随机分布,使得w=2.0,b=1,并加入一个噪声,噪声的最大振幅为0.4
%matplotlib notebook
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn.utils import shuffle
np.random.seed(5)
x_data = np.linspace(-1,1,100)
#此处为y=2*x+1.0+噪声
y_data = 2*x_data+1.0+np.random.randn(*x_data.shape)*0.4
plt.scatter(x_data,y_data)
plt.plot(x_data,2*x_data+1.0,color='red',linewidth=3)
<IPython.core.display.Javascript object>
[<matplotlib.lines.Line2D at 0xa35759910>]
x = tf.placeholder("float",name="x")
y