Tensorflow实现第一个简单的机器学习demo

昨天写了Tensorflow的初体验，感觉不错，再接再励，就把官方教程上的机器学习demo码出来自己看看，总结总结。

---

这是官方教程上的第一个机器学习的教程，做一个简单求线性函数,的斜率W和Bias的demo,用的方法是梯度下降法，就是从变化速度最快的方向优化系数，具体的方法讲解我还需要回忆和复习，在tensorflow里这类算法已经成熟的打包了，直接调用就好。
在demo程序里我增加了部分我的理解注释，这样看起来会更容易明白。

import tensorflow as tf

# Model parameters（原始参数）
W = tf.Variable([.3], dtype=tf.float32)
b = tf.Variable([-.3], dtype=tf.float32)


# Model input and output（占位符，声明变量）
x = tf.placeholder(tf.float32)
linear_model = W*x + b
y = tf.placeholder(tf.float32)

# loss  （损失函数，相减的平方再求和）
loss = tf.reduce_sum(tf.square(linear_model - y)) # sum of the squares

# optimizer  （最小下降法的步长为0.01）
optimizer = tf.train.GradientDescentOptimizer(0.01)
train = optimizer.minimize(loss)

# training data    （数据）
x_train = [1, 2, 3, 4]
y_train = [0, -1, -2, -3]

# training loop  （训练过程）
init = tf.global_variable