# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf


a=np.loadtxt('ex1data1.txt',delimiter=',');    #載入txt資料
x=a[:,0]                                       #x為資料的第一列
y=a[:,1]                                       #y為資料的第二列
y=y.reshape(97,1)                              #這一步是確定y的列數，不然y的列數為空
m=y.shape[0]                                   #確定行數
temp=np.ones((m,1))                            
x=np.c_[temp,x]                                #在自變數左側增加一列1，這樣就不用b了
theta=tf.Variable([[0.0],[0.0]])               #初始化theta的值，2行1列
x=x.astype(np.float32)                         #使x與theta的變數型別一致
h=tf.matmul(x,theta)                           #矩陣相乘  [97,2]*[2,1]=[97,1],即Wi*Xi+b
loss=tf.reduce_mean(tf.square(h-y)/2)          #計算損失值
optimizer=tf.train.GradientDescentOptimizer(0.015)     #運用梯度下降演算法，學習率為0.015
train=optimizer.minimize(loss)                         #最小化損失值
init=tf.initialize_all_variables()                     #初始化tensorflow變數  
sess=tf.Session()                                      #開啟session
sess.run(init)                                         #初始化
for step in range(1000):                               #執行優化迴圈
    sess.run(train)                                    #訓練
    plt.plot(x[:,1],y,'rx')                            #原始資料點標記
    plt.plot(x[:,1],sess.run(h))                       #繪製優化曲線
    plt.show()                                         
    print(sess.run(loss))                              #列印當前損失值