[ML lab 02] ML lab 02 - TensorFlow로 간단한 linear regression을 구현

-linear Regression 모델 구현

-placeholder , Feed_dict를 이용하여 원하는 데이터로 학습시켜보기

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

x_train = [1,2,3]
y_train = [1,2,3]

#Weight값, bias값 설정
W = tf.Variable(tf.random_normal([1]),name='weight')
b = tf.Variable(tf.random_normal([1]),name='bias')

hypothesis = x_train * W +b

#cost함수 정의(reduce_mean)
cost = tf.reduce_mean(tf.square(hypothesis - y_train))

#GradientDescent
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.01)
train = optimizer.minimize(cost)

#실행을 위해
sess = tf.Session()
sess.run(tf.global_variables_initializer())

#출력을 조절
for step in range(2001):
    sess.run(train)
    if step % 20 ==0:
        print(step,sess.run(cost),sess.run(W),sess.run(b))

#결과는 W는 1로,  b는 0으로 수렴해간다
#Placeholder를 활용하여 쉽게 X,Y값에 변화를 줄 수 있다.