一个菜鸡的自强之路-线性函数实例剖析

各种模块各种函数一一查询，还是不是很理解线性函数的实现，作为菜鸡先记录下来，留作以后复盘使用。废话不多说，先进入正题。

一、实例代码

当然我是一个比较懒的人，为了防止下次还需要重新手敲代码，所以这里肯定会贴一个源代码的。 

# -*- coding: UTF-8 -*-
import tensorflow as tf
import numpy as np
#导入tensorflow和numpy模块做别名为tf和np
x_data = np.random.rand(100).astype(np.float32)
#在0到1中生成100个随机数，随机数的类型为float32，且赋值给x_data
y_data = x_data*0.6 + 0.6
Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0))
#定义图变量Weights的初始值是在-1.0到1.0之间的一维数组
biases = tf.Variable(tf.zeros([1]))
#定义图变量biases的初始值是0.的一维数组
y= Weights*x_data + biases
loss = tf.reduce_mean(tf.square(y-y_data))
#训练结果与测试值差平方的平均值
optimizer = tf.train.GradientDescentOptimizer(0.01)
#创建一个optimizer，用梯度