tensorflow学习笔记（2）线性回归-20240507

本文主要是介绍tensorflow学习笔记（2）线性回归-20240507，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

通过调用Tensorflow计算梯度下降的函数tf.train.GradientDescentOptimizer来实现优化。

代码如下：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
#程序作用：
#线性回归：通过调用Tensorflow计算梯度下降的函数tr.train.GradientDescentOptimizer来实现优化。import os
import  tensorflow as tf
import numpy as nptf.compat.v1.disable_eager_execution()  #为了tensorflow2.x支持placeholder等trX=np.linspace(-1,1,101)
trY=2*trX+np.random.randn(*trX.shape)*0.33  #创建一些线性值附近的随机值#X = tf.placeholder("float") 
#Y = tf.placeholder("float")X = tf.compat.v1.placeholder("float") 
Y = tf.compat.v1.placeholder("float")
#X = tf.Variable("float")
#Y = tf.Variable("float")def model(X,w):return tf.multiply(X, w)   # X*w线性求值，非常简单w=tf.Variable(0.0,name="weights")
y_model=model(X,w)cost=tf.square(Y-y_model)  #用平方误差作为优化目标#train_op=tf.train.GradientDescentOptimizer(0.01).minimize(cost)  #梯度下降优化
train_op=tf.compat.v1.train.GradientDescentOptimizer(0.01).minimize(cost)  #梯度下降优化# 开始创建session干活!
with tf.compat.v1.Session() as sess:# 首先需要初始化全局变量，这是Tensorflow的要求tf.compat.v1.global_variables_initializer().run()for i in range(100):for(x,y) in zip(trX,trY):sess.run(train_op,feed_dict={X:x,Y:y})print(sess.run(w))

运行报错：

提示有几个函数只支持tensorflow1.x的，我的tensorflow版本是2.x版本，所以几个函数都用不了。

2.x废弃的函数：