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})))