# 在jupyter中,使用matplotlib显示图像设置为inline模式,否则不会显示图像%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
#设置随机因子
np.random.seed(5)#直接采用np生成等差数列的方法,生成100个点,每个点的取值范围在-1~1之间
x_data = np.linspace(-1,1,100)#y=2x + 1+噪声噪声的维度和x_data一致
y_data =2* x_data +1.0+np.random.randn(*x_data.shape)*0.#画出随机生成数据的散点图
plt.scatter(x_data,y_data)#画出我们要学习到的线性函数y=2x+1
plt.plot(x_data,2*x_data+1.0,color='red',linewidth=3
构建模型
#定义训练数据的占位符,x是特征值,y是标签值
x=tf.placeholder("float",name="x")
y=tf.placeholder("float",name="y")#定义模型函数defmodel(x,w,b):return tf.multiply(x,w)+b
#定义模型结构#构建函数的斜率,变量保存更新参数#变量的初始值可以是随机数、常数、或者是通过其他变量的初始值计算得到
w = tf.Variable(1.0,name="w0")
b = tf.Variable(0.0,name="b0")#pred 是预测值,前向计算
pred = model(x,w,b)