深度学习—tensorflow—线性回归

# -*- coding: utf-8 -*-
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

#"6个点的横坐标" 常量
x=tf.constant([1,2,3,4,5,6],tf.float32)
#"6个点的纵坐标" 
y=tf.constant([3,4,7,8,11,14],tf.float32)
#"初始化直线的斜率" 变量
w=tf.Variable(1.0,dtype=tf.float32,name="w")
#"初始化直线的截距"
b=tf.Variable(1.0,dtype=tf.float32,name="b")

#"6个点到直线数值方向上距离的平方和"
loss=tf.reduce_mean(tf.square(y-(w*x+b)),name="loss")

#创建会话
session=tf.Session()
session.run(tf.global_variables_initializer())

#"梯度下降法" 最小化方差
opti=tf.train.GradientDescentOptimizer(0.005).minimize(loss)
#"记录每一次迭代后的平均平方误差(Mean Squared Error)"
MSE=[]
#"循环500次"
for i in range(500):
    session.run(opti)
    MSE.append(session.run(loss))
    #"每隔50次打印直线的斜率和截距"
    if i%50==0:
        print((session.run(w),session.run(b)))

#"画出损失函数的值"
plt.figure(1)
plt.plot(MSE)
plt.show()

#"画出6个点及最后计算出的直线"
plt.figure(2)
x_array,y_array=session.run([x,y])
plt.scatter(x_array,y_array,'o')
xx=np.arange(0,10,0.05)
yy=session.run(w)*xx+session.run(b)
wirter = tf.summary.FileWriter('logs/', session.graph)
session.close()
plt.plot(xx,yy)
plt.show()