import tensorflow as tf
import numpy as np
##使用 NumPy 生成假数据(phony data), 总共 100 个点.
# (100,2)
x_data = np.float32(np.random.rand(100, 2)) # 随机输入
y_data = np.dot(x_data,[[0.100],[0.200]]) + 0.300
#构造一个线性模型
# 初始化线性模型的权重,b=0,w为均匀分布
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([2, 1], -1.0, 1.0))
y = tf.matmul(x_data,W) + b
# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
# 初始化变量
init = tf.initialize_all_variables()
# 启动图 (graph)
sess = tf.Session()
sess.run(init)
# 拟合平面
for step in xrange(0, 201):
sess.run(train)
if step % 20 == 0:
print step, sess.run(W), sess.run(b)
# 得到最佳拟合结果 W: [[0.100],[0.200]], b: [0.300]