用TensorFlow实现线性回归

说明

本文采用TensorFlow框架进行讲解，虽然之前的文章都采用mxnet，但是我发现tensorflow提供了免费的gpu可供使用，所以果断开始改为tensorflow，若要实现文章代码，可以使用colaboratory进行运行，当然，如果您已经安装了tensorflow，可以采用python直接运行。

贡献

学习时采取动手学深度学习第二版作为教材，但由于本书通过引入d2l（著者自写库）进行深度学习，我希望将d2l的影响去掉，即不使用d2l，使用tensorflow，这一点通过查询GitHub中d2l库提供的相关函数尝试进行实现。

如果本系列文章具有良好表现，将译为英文版上传至Github。

预备知识

学习本篇文章之前，您最好具有以下基础知识：

1. 线性回归的基础知识
2. python的基础知识

基本原理 

使用一个仿射变换，通过y=wx+b的模型来对数据进行预测（w和x均为矩阵，大小取决于输入规模），反向传播采用随机梯度下降对参数进行更新，参数包括w和b，即权重和偏差。

实现过程

生成数据集

只需要引入tensorflow即可，synthetic_data()函数将初始化X和Y，即通过真实的权重和偏差值生成数据集。