Tensorflow简单的线性回归模型

import tensorflow as tf
import  numpy as np
x_data=np.random.rand(5)
y_data=x_data*0.3+0.8

#构建一个线性模型
b=tf.Variable(0.)
k=tf.Variable(0.)
y=k*x_data+b

#定义二次代价函数
loss=tf.reduce_mean(tf.square(y_data-y))
#定义一个梯度下降法来进行训练的优化器
optimizer=tf.train.GradientDescentOptimizer(0.01)
train=optimizer.minimize(loss)

init=tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    for ii in range(10000):
        sess.run(train)
        if ii%1000==0 :
            print(ii,sess.run([loss,k,b]))

训练结果:

QQ技术交流群：386476712