Tensorflow 使用 Gradient Descent(梯度下降) 分析 Linear Regression（线性回归）

# _*_ coding:UTF-8 _*_
#引入相关依赖
import tensorflow as tf
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np

plot_num = 100
vectors= []
#模拟原始数据
for i in range(plot_num):
    x1 = np.random.normal(0,0.66)
    y1 = 0.1 * x1 + 0.2 + np.random.normal(0,0.04)
    vectors.append([x1,y1])

x_data = [v[0] for v in vectors]

y_data = [v[1] for v in vectors]

#画出原始点图

plt.plot(x_data,y_data,'r*',label='Original data')
plt.title('Linear Regression using Gradient Descent')
plt.legend()
plt.savefig('./file.png',dpi=150)

#构建线性回归模型
W = tf.Variable(tf.random_uniform([1],-1.0,1.0))
b = tf.Variable(tf.zeros(1))
y = W * x_data + b


#定义损失函数
loss = tf.reduce_mean(tf.squ

最后

以上就是自信大侠最近收集整理的关于Tensorflow 使用 Gradient Descent(梯度下降) 分析 Linear Regression（线性回归）的全部内容，更多相关Tensorflow内容请搜索靠谱客的其他文章。