Tensorflow &&python实战--用梯度下降的优化方法来快速解决线性回归问题

  作为一个TensorFlow的初探者，在这用博客的形式来记录自己的学习过程，对于自己的总结复习，同时也希望对于同样是新手的朋友也会有有所帮助。

环境准备：

  操作系统：Linux，语言：python，框架：TensorFlow，编辑器：vim。

在Linux系统下进入python，TensorFlow环境，命令如下：

 再用vim编辑器生成和编辑python文件：按下回车键将会自动进入vim编辑中

引入我们所需要的包，字符集，我们即将开始编程：

1 数据的构建：

  我们为什么要构建数据呢？因为在现实生活中，我们收集的数据是随机的，所以我们通过电脑随机生成数据，来模拟我们从生活中获得的数据。来我们先看命令：

points_num是值位100的一个整形常量，代表我们的样本的点为100个

vectors=[ ]表示创建一个空的list，注意这个list中的元素可以是一维张量。

接下来是一个for循环，我们注意到有xrang函数，和rang函数的效果一样，但是内在有不同：

>>>xrange(8)

xrange(8)

>>> list(xrange(8))

[0, 1