tensorflow一元线性模型

import tensorflow as tf
import numpy as np
x_data=np.random.rand(100)    #生成100个随机数
noise=np.random.normal(0,0.05,x_data.shape)    #生成随机偏差点
y_data=x_data*0.1+0.2+noise             #生成随机训练点
b=tf.Variable(0.)
k=tf.Variable(0.)
y=k*x_data+b                         #构造一个线性模型
loss=tf.reduce_mean(tf.square(y_data-y))   #使用平方差损失函数
optimizer=tf.train.GradientDescentOptimizer(0.2)  #选用梯度下降优化，定义梯度下降法进行训练的优化，学习率（下降率）为0.2
train=optimizer.minimize(loss)   #最小化代价函数，loss越小越好
init=tf.global_variables_initializer()    #初始化变量
with tf.Session() as sess:
    sess.run(init)
    for step in range(201):
        sess.run(train)
        if step%20==0:
            print(step,sess.run([k,b]))