此案例引自TensorFlow官网，运行环境 python3.5 .2 + tensorflow 1.21
import tensorflow as tf
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))# 随机输入,得到一个2*100的随机数矩阵
y_data=np.dot([0.100,0.200],x_data)+0.300
# 构造一个线性模型
b=tf.Variable(tf.zeros([1]))
W=tf.Variable(tf.random_uniform([1,2],-1.0,1.0))
y=tf.matmul(W,x_data)+b
# 最小化方差
loss=tf.reduce_mean(tf.square(y-y_data))
optimizer=tf.train.GradientDescentOptimizer(0.5)#learing rate is 0.5
train=optimizer.minimize(loss)
# 初始化变量
init=tf.initialize_all_variables()
# 启动图 (graph)
sess=tf.Session()
sess.run(init)
# 拟合平面
for step in range(0,201):
sess.run(train)
ifstep%20==0:
print(step,sess.run(W),sess.run(b))
最终的打印结果：<不同电脑打印结果可能不一样，但是一定近似>
0 [[ 0.26360229 0.49691492]] [ 0.11675339]
20 [[ 0.16144083 0.29500884]] [ 0.21887191]
40 [[ 0.12406627 0.23356499]] [ 0.27009395]
60 [[ 0.10910885 0.21208335]] [ 0.28899914]
80 [[ 0.10339358 0.20439252]] [ 0.29595757]
100 [[ 0.1012548 0.20160465]] [ 0.29851529]
120 [[ 0.10046227 0.20058763]] [ 0.29945484]
140 [[ 0.10017 0.20021547]] [ 0.29979986]
160 [[ 0.10006246 0.20007907]] [ 0.29992652]
180 [[ 0.10002293 0.200029 ]] [ 0.29997304]
200 [[ 0.10000843 0.20001064]] [ 0.29999009]
