tensorflow2自定义训练 【这里包含了如何绘制训练过程中参数的变化append ,plot,如何绘制数据集scatter】

1.Tensorflow中的tensor是不可变无状态对象.
机器学习模型需要可改变状态，比如模型训练和模型预测的代码是相同的，但变量值随着时间而不同（希望尽量小的loss）,为了因对随着计算而改变的状态，可以利用Python的状态可变性。

2.Tensorflow,拥有内建可变状态操作，比使用底层Python状态表示更常见。
比如表示模型的权重，使用Tensorflow变量更方便高效。
变量是一个对象，这个对象存储着数值，当在Tensorflow计算中使用时，会隐式的读取这个存储的数值。
有一些操作（tf.assign_sub,tf.scatter_update等）会复制Tensorflow变量存储的数值。

3.计算梯度时，会自动跟踪使用变量的计算过程。
用变量来表示向量时TensorFlow会默认使用稀疏更新，这样可以带来计算和存储高效性。
使用变量也是一种更快的提醒方式，就是代码的这部分是状态可分的？？？

4.创建和训练一个简单的模型，一般需要下面这些步骤：
1.定义模型
2.定义损失函数
3.获取训练数据
4.通过训练数运行模型，使用“optimizer”来调整变量来满足数据

一定自己的模型
定义自己的损失函数
获取训练数据（自己的数据预处理过程）
定义训练循环def train函数
设置epochs 循环训练
以及变化过程图都在tensorflow中的教程—自定义–自定义训练中。【very important】

==默认情况下，Tens