梯度下降解决线性回归，

Question

就是用梯度下降解决线性回归，训练的每一步都会run一下优化器来最小化loss函数，可是为什么只有权重W和偏差b会一直被改变，而跟loss函数相关的y和y_data,x_data计算机没有去改变他们。这里面的机制是什么

Answer 1

Oscar 2019-02-03 04:51:07

y_data, x_data 这两组真实点的坐标值为什么要改变？本来就是用这些值去训练模型，得到最佳的 W 和 b 值。

y 是会改变的，因为 W 和 b 在训练时的调整过程中会变。

y = W * x_data + b         # 模型计算出来的 y

• 提问者 慕哥8458337 #1

  比如第一轮训练的时候，y_data,x_data都有值，W和b也有初始化的值,然后最小化loss的时候，计算机把x_data和y_data中的点改一下让它离一开始的初始化直线越近，那loss的值也会变小，我的意思就是让loss值变小的办法有好几种，为什么那个loss最小化的方法会刚好识别出是W和b的值改变去让loss最小化，而不是改变点的坐标去让loss最小化？因为W和b一开始也有值，x_data和y_data也有值

• SD_Kaden 回复 提问者 慕哥8458337 #2

  x_data,y_data不是tf下的变量，而tensorflow只对tf.Variable（） 进行处理