Tensorflow로 간단한 Linear Regression 구현(2)

(1)에서의 코드와는 약간 다르다.

tf.placeholder를 사용해서 구현했다.

placeholder사용시  원하는 데이터를 feed_dict를 통해서 바로 넣어줄 수 있다는 장점이 있다.

import tensorflow as tf
W = tf.Variable(tf.random_normal([1]), name = 'weight')
b = tf.Variable(tf.random_normal([1]), name= 'bias')
 
X = tf.placeholder(tf.float32, shape=[None])
Y = tf.placeholder(tf.float32, shape=[None])
 
hypothesis = X * W + b
 
cost = tf.reduce_mean(tf.square(hypothesis - Y))
 
optimizer = tf.train.GradientDescentOptimizer(learning_rate = 0.01)
train = optimizer.minimize(cost)
 
sess = tf.Session()
sess.run(tf.global_variables_initializer()) #반드시 변수 초기화를 시켜주어야한다.
 
for step in range(2001):
    cost_val, W_val, b_val, _= sess.run([cost, W, b, train]
                    , feed_dict = { X : [1, 2, 3, 4, 5], 
                      Y : [2.1, 3.1, 4.1, 5.1, 6.1]})
#fee_dict를 통해서 값을 넣어준다.
    if step % 20 == 0 :
        print(step, cost_val, W_val, b_val)