【tensorflow】平面拟合

1. np.dot(a, b), 其中a为一维的向量，b为一维的向量，当然这里a和b都是np.ndarray类型的, 此时因为是一维的所以是向量点积。

import numpy as np
a = np.array([1, 2, 3, 4, 5])
b = np.array([6, 7, 8, 9, 10])
print(np.dot(a, b))
#output:
#130

2、tf.random_uniform((1, 2), minval=low,maxval=high,dtype=tf.float32)))返回1*2的矩阵，产生于low和high之间，产生的值是均匀分布的。

import tensorflow as tf
with tf.Session() as sess:
    print(sess.run(tf.random_uniform((1,2), -1,1, dtype=tf.float32)))

实例：

import tensorflow as tf
import numpy as np
#使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300
#构造一个线性模型
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + 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 range(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]