实例2 将模拟数据集制作成内存对象数据集

生成一个模拟y~2x的数据集，并通过静态图的方式显示出来

总体步骤

• 生成模拟数据集
• 定义占位符
• 建立会话（session），获取并显示模拟数据
• 将模型数据可视化
• 运行程序

生成模拟数据

1、创建一个模拟数据生成器
2、每次只生成指定批次的样本

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

def GenerateData(batchsize = 100):
    train_x = np.linspace(-1, 1, batchsize) #随机生成（-1,1）之间的浮点数
    train_y = 2 * train_x + np.random.randn(*train_x.shape) * 0.3   # y = 2x 加入了噪声
    yield train_x, train_y

用关键字yield修饰函数GenerateData的返回方式，生成器对象只使用一次便会自动销毁。可以节省系统资源。

定义占位符

x_input = tf.placeholder("float", (None))  #两个占位符接收参数
y_input = tf.placeholder("float", (None))

建立会话获取数据

train_epoch = 200                      #迭代次数

with tf.Session(