TensorFlow损失函数

回归中定义了损失函数或目标函数，其目的是找到使损失最小化的系数
声明一个损失函数需要将 系数定义为变量，将数据集定义为占位符。可以有一个常学习率或变化的学习率和正则化常数。
为确保收敛，损失函数应为 凸的。一个 光滑的、可微分的凸损失函数可以提供更好的收敛性。随着学习的进行，损失函数的值应该下降，并最终变得稳定。

定义系数

在下面的代码中，设 m 是样本数量，n 是特征数量，P 是类别数量。这里应该在代码之前定义这些全局参数：

在标准线性回归的情况下，只有一个输入变量和一个输出变量：

import tensorflow.compat.v1 as tf
tf.disable_eager_execution()#保证sess.run()能够正常运行
sess=tf.InteractiveSession()


m=1000
n=15
p=2


X=tf.placeholder(tf.float32,name="X")
Y=tf.placeholder(tf.float32,name