02-2 Linear Regression : feed

■ Place hold 를 입력으로 사용하여 간단한 Linear regression 구현

▶Place hold 사용 - 상수 대입

X = tf.placeholder(tf.float32, shape=[None])

Y = tf.placeholder(tf.float32, shape=[None])

- rank = 1 이고 type이 tf.float32 인 place hold 를 생성한다.

- None은 해당 축의 원소 갯수를 임의로 선정한다는 의미이다.

sess.run([cost,W,b,train],feed_dict={X:[1,2,3],Y:[1,2,3]})

- 세션을 실행할 때 place hold에 변수를 대입한다.

-이때 사용되는 것이 feed_dict 이다.

#Lab 2-1 Linear Regression(variable input)
#변수만 사용하여 Gradient Descent 구현
import tensorflow as tf
tf.set_random_seed(777) # for reproducibility
 
# X and Y data
X=tf.placeholder(tf.float32,shape=[None])
Y=tf.placeholder(tf.float32,shape=[None])
 
# Try to find values for W and b to compute y_data = x_data*W+b
# We know that W should be 1 and b should be 0
# But le TensroFlow figure it out
 
#W=tf.Variable(tf.random_normal([1]),name='weight')
#b=tf.Variable(tf.random_normal([1]),name='bias')
 
W=tf.Variable(5.0,name='weight')
b=tf.Variable(10.0,name='bias')
 
# Our hypothesis XW+b
hypothesis = X*W + b
 
# cost/loss function
cost=tf.reduce_mean(tf.square(hypothesis - Y))
 
# Minimize
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.01)
train = optimizer.minimize(cost)
 
# Launch the graph in a session
sess = tf.Session()
 
# initializes global variables in the graph
sess.run(tf.global_variables_initializer())
 
#Fit the line
for step in range(2001):
  cost_val,W_val,b_val,_=\
    sess.run([cost,W,b,train],feed_dict={X:[1,2,3],Y:[1,2,3]})
  if step%200 == 0:
    print(step,cost_val,W_val,b_val)