TensorFlow瞎几把学Day1--一个简单的拟合例子http://www.tensorfly.cn/tfdoc/get_started/introduction.html

# -*- coding: utf-8 -*-
"""
Created on Wed Oct 10 08:30:10 2018

@author: jamie
"""

import tensorflow as tf#tensor是张量的意思
import numpy as np

# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data=np.float32(np.random.rand(2,100))#生成[0,1]之间的随机数维数为(2,100)
y_data=np.dot([0.100,0.200],x_data)+0.300#np.dot矩阵乘法

#构造一个线性模型
b=tf.Variable(tf.zeros([1]))#构造一个矩阵形式作为变量
W=tf.Variable(tf.random_uniform([1,2],-1.0,1.0))
y=tf.matmul(W,x_data)+b#matul:Multiplies matrix a by matrix producing a*b

#res=tf.random_uniform((4,4),-3,3)#4x4阶矩阵符合U[-3,3]
#with tf.Session() as sess:#tf一定要这样才能显示
#    print(sess.run(res))
    
#最小化方差
loss=tf.reduce_mean(tf.square(y-y_data))#tf.reduce求矩阵的平均值，tf.square求平方
optimizer=tf.train.GradientDescentOptimizer(0.5)#使用梯度下降算法，以0.5的学习效率（learning rate）
train=optimizer.minimize(loss)

#初始化变量
init=tf.initialize_all_variables()
#import tensorflow as tf
#
##创造variable.<initial-value>指定这个variable的type和shape
#w = tf.Variable(<initial-value>, name=<optional-name>)
#
## 接着就可以把这个variable当做tensor运用在graph中.
#y = tf.matmul(w, ...another variable or tensor...)
#
#z = tf.sigmoid(w + y)
#
## 通过`assign()`和相关方法给这个w赋值
#w.assign(w + 1.0)
#w.assign_add(1.0)
#
#---------------------
#作者：Panda_Peng 
#来源：CSDN 
#原文：https://blog.csdn.net/qq_34484472/article/details/75736036?utm_source=copy 
#版权声明：本文为博主原创文章，转载请附上博文链接！

#启动图（GRAPH)
sess=tf.Session()
sess.run(init)

#拟合平面
for step in range(0,201):
    sess.run(train)
    if step % 20==0:
        print(step,sess.run(W),sess.run(b))