import tensorflow as tf
import numpy as np
# 在这个例子中,我们的目标就是要找到合适的b和k,使得该线性模型能够把上面的样本给表示出来
# 第一、使用Numpy生成一百个随机点,这就是样本
x_data = np.random.rand(100)
y_data = x_data*0.1 + 0.2
# 第二、构造一个线性模型
b = tf.Variable(7.)
k = tf.Variable(100.)
y = x_data*k + b
# 第三、定义损失函数(二次代价函数)
loss = tf.reduce_mean(tf.square(y_data - y))
# 第四、定义优化器,这里使用梯度下降法,参数是步长
optimizer = tf.train.GradientDescentOptimizer(0.2)
# 第五、最小化代价函数
train = optimizer.minimize(loss=loss)
# 第六、初始化变量, 定义session并训练
init = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
for step in range(10000):
sess.run(train)
if step%20 == 0:
print(step, sess.run([k, b]))
结束线/
欢迎大家加入Q群讨论:463255841
结束线/