tensorflow 线性回归

import tensorflow as tf

创建变量 W 和 b 节点，并设置初始值

W = tf.Variable([.1], dtype=tf.float32)
b = tf.Variable([-.1], dtype=tf.float32)

创建 x 节点，用来输入实验中的输入数据

x = tf.placeholder(tf.float32)

创建线性模型

linear_model = W * x + b

创建 y 节点，用来输入实验中得到的输出数据，用于损失模型计算

y = tf.placeholder(tf.float32)

创建损失模型

loss = tf.reduce_sum(tf.square(linear_model - y))

创建 Session 用来计算模型

sess = tf.Session()

初始化变量

init = tf.global_variables_initializer()
sess.run(init)

创建一个梯度下降优化器，学习率为0.001

optimizer = tf.train.GradientDescentOptimizer(0.001)
train = optimizer.minimize(loss)

用两个数组保存训练数据

x_train = [1, 2, 3, 6, 8]
y_train = [4.8, 8.5, 10.4, 21.0, 25.3]

训练10000次

for i in range(10000):
sess.run(train, {x: x_train, y: y_train})

打印一下训练后的结果

print(‘W: %s b: %s loss: %s’ % (sess.run(W), sess.run(
b), sess.run(loss, {x: x_train, y: y_train})))