import tensorflow as tf
import numpy as np
# 原始数据
x_data=np.random.rand(100)
y_data=x_data*2+1
# 定义变量
k=tf.Variable(0.0)
b=tf.Variable(0.0)
# 训练数据
y=x_data*k+b
# 定义损失函数
loss=tf.reduce_mean(tf.square(y-y_data))
# 定义优化器
optimizer=tf.train.GradientDescentOptimizer(0.2)
# 定义训练模型
# optimizer具有minimize方法,该方法通过调整loss中变量的值,使loss不断减小
train=optimizer.minimize(loss)
# 变量初始化
init=tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
for step in range(201):
sess.run(train)
if step%10==0:
print(sess.run([k,b,loss]))
运行结果: