深度学习之tensorflow非线性回归

解释版

import tensorflow as tf
import numpy as np
#数据可视化matplotlib.pyplot库
import matplotlib.pyplot as plt
#使用numpy生成2000个随机点---------样本（我们所拿到数据）
#numpy.linspace(start, stop, num=200)
#产生从start到stop的等差数列,np.newaxis的作用是增加一个维度。
#numpy.random.normal(loc=正态分布的均值,scale=正态分布的标准差,参数size(int 或者整数元组)：输出的值赋在shape里，默认为None)
x_data = np.linspace(-0.5,0.5,200)[:,np.newaxis]
noise = np.random.normal(0,0.02,x_data.shape)
y_data = np.square(x_data) + noise

#定义两个placeholder
x = tf.placeholder(tf.float32,[None,1])
y = tf.placeholder(tf.float32,