tensorflow基础使用3

一个简单的梯度下降算法验证一次函数的例子

# a semple case
# -*- coding:utf-8 -*-
import tensorflow as tf
import numpy as np
#随机生成100个点，而且这100个点在y=0.1x+0.2上，以此作为训练样本
x_date = np.random.rand(100)
y_date = x_date*0.1 +0.2

b = tf.Variable(0.)	#初始化偏置值
k = tf.Variable(0.)	#初始化权重
y = k*x_date +b		#初始化训练函数

#二次代价函数
loss = tf.reduce_mean(tf.square(y_date-y))        
#定义一个梯度下降算法来训练优化器
optimizer = tf.train.GradientDescentOptimizer(0.2)  	#梯度下降法的学习率
#最小化代价函数
train = optimizer.minimize(loss)

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    for step in range(201):
        sess.run(train)
        if step%20==0:
            print(step,sess.run([k,b]))