tensorflow实现线性回归

global_variables_initilizer()是对w,x,y进行初始化，初始化之后才能进行操作，session是放入图里才能进行运算，init_op先初始化，y.eval()是获取值。

tf.Variable()转换赋值创建变量。tf.matmul()矩阵相乘。

tf基本操作：

创建常量：

tf.zeros([3,4],float32)==>[[0,0,0],[0,0,0],[0,0,0]]

建立

随机矩阵：

mean是均值，stddev是方差。

shuffle是洗牌操作。

循环加一操作，add是加法操作，constant是构成常量，assign是赋值操作。

saver是把当前的session保存。

numpy转化tensorflow

placehoder占位符并指定格式。输入时再赋值。

线性回归模型的tensorflow：

reduce_mean计算均值，square计算平方。GradientDes..梯度下降参数是学习率。

reduce_sum相加之后再求均值。

训练完之后进行测试：

pred对比索引值是否一样。cast就是把ture和false转化为float比如0和1。加起来求均值就是精度。

rank打印维度，shape打印行和列，argmax返回最大值的索引，参数0是按照列维度，参数1是按照行维度。

feed_dict是用字典赋值x，y。