TensorFlow文档入门

我不确定这是否是提出这个问题的正确地点。我正在跟踪，并遇到了以下示例代码：

W = tf.Variable([.3], tf.float32)

b = tf.Variable([-.3], tf.float32)

x = tf.placeholder(tf.float32)

linear_model = W * x + b


In the section on loss function it has the following:

y = tf.placeholder(tf.float32)

squared_deltas = tf.square(linear_model - y)

loss = tf.reduce_sum(squared_deltas)

print(sess.run(loss, {x:[1,2,3,4], y:[0,-1,-2,-3]}))

为什么

y[0，-1，-2，-3]的值是

？基于

linear_model = W * x + b, 

y为0.3x-0.3。所以对于[1,2,3,4]的x，y应该是[0,0.3,0.6,0.9]。

---

还是我遗漏了什么？

是的，你遗漏了什么。本练习的目标是显示您首先构建一个图（W*x+b=y），然后为占位符提供变量。 为此，您需要提供x和y，并查看您期望的wat（y变量）和您得到的wat（线性_模型变量）之间的差异

你混淆了方程的结果和教程想要从方程中得到的结果。如果你继续学习教程，他们可能会学习你如何训练你的体重，以获得你期望的解决方案

---

祝你好运

在这个代码片段中，“x”是输入，“y”用于标签的目的，正如您似乎已经理解的那样

“W”和“b”是程序应该“学习”的变量，当x=[1,2,3,4]时，y最终为[0，-1，-2，-3]

您看到的“W”和“b”的值是初始值。

---

这段代码中不包括更新步骤，您将在基于损失函数计算梯度后更新权重。在几次迭代之后，你应该得到你的“W”和“b”，这样当x=[1,2,3,4]时，你会得到y=[0，-1，-2，-3]

，还有澄清的会议