案例：

minimize(error)

代码：

def linear_regression():# 自实现线性回归# 1）准备数据X = tf.random.normal(shape=[100,1])y_true = tf.matmul(X,[[0.8]]) + 0.7# 2）构造模型# 定义模型参数  用 变量weights = tf.Variable(initial_value=tf.random.normal(shape=[1,1]))bias = tf.Variable(initial_value=tf.random.normal(shape=[1,1]))y_predict = tf.matmul(X,weights) + bias# 3）构造损失函数error = tf.reduce_mean(tf.square(y_predict - y_true))# 4）优化损失# optimizer = tf.train.GradientDescentOptimizer(learning_rate = 0.01).minimize(error)optimizer = tf.compat.v1.train.GradientDescentOptimizer(learning_rate=0.01).minimize(error)# 显示初始化变量init = tf.global_variables_initializer()# 开启会话with tf.Session() as sess:#初始化变量sess.run(init)# 查看初始化模型参数之后的值print("训练前模型参数为：权重%f，偏置%f" % (weights.eval(),bias.eval()))# 开始训练for i in range(100):sess.run(optimizer)print("训练后模型参数为：权重%f，偏置%f" % (weights.eval(), bias.eval()))return None

其他功能：

增加变量显示

增加命名空间

模型保存和加载

命令行参数使用