利用tensorflow写线性回归

前言

TensorFlow现在贼火，所以我就尝试着用TensorFlow去写一个拟合y = 0.3*x+0.1的代码。

引入相关包

import tensorflow as tf
import numpy as np

定义数据

x_data = np.random.rand(100,1).astype(np.float32)
y_data = 0.3*x_data+0.1

定义权重和偏置

weight = tf.Variable(tf.random_uniform([1],-1.0,1.0))
bias = tf.Variable(tf.zeros([1]))

定义误差函数

y = weight*x_data+bias
loss = tf.reduce_mean(tf.square(y-y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

初始化所有参数

init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)

开始训练并打印误差和参数

for i in range(200):
    sess.run(train)
    if i%20==0:
        print(i,sess.run(loss))
print(sess.run(weight),sess.run(bias))

TensorFlow中所有的变量都需要通过sess.run()来输出