# 실습
# lr 수정해서 epoch 100번 이하로 줄이기
# step은 100 이하, w는 1.99 또는 2.01 사이, b는 0.99 또는 1.01 사이

import tensorflow as tf
tf.set_random_seed(337)
import warnings
warnings.filterwarnings('ignore')
import matplotlib.pyplot as plt

#1. 데이터
x= tf.placeholder(tf.float32, shape=[None])
y= tf.placeholder(tf.float32, shape=[None])
w = tf.compat.v1.Variable(tf.random_normal([1]), dtype=tf.float32) #random_uniform 균등 분포(N빵), random_normal 정규 분포 [1]은 1개짜리
b = tf.compat.v1.Variable(tf.random_normal([1]), dtype=tf.float32) #random_uniform 균등 분포(N빵), random_normal 정규 분포 [1]은 1개짜리

#####[실습]#####
#2. 모델 구성
hypothesis = x * w + b

# #3-1 컴파일
loss = tf.reduce_mean(tf.square(hypothesis-y))

optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.001355)
# optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.08)
#w = w - 러닝레이트*(로스를 w로 편미분한 값)
#
train = optimizer.minimize(loss)

#3-2 훈련

loss_val_list=[]
w_val_list=[]
with tf.compat.v1.Session() as sess :
# sess = tf.compat.v1.Session()
    sess.run(tf.global_variables_initializer())

    #model.fit()
    epochs = 1001
    for step in range(epochs) :
        # sess.run(train)
        _, loss_val, w_val, b_val = sess.run([train, loss, w, b], feed_dict = {x:[1,2,3,4,5], y:[2,4,6,8,10]})   
        #플레이스홀드로 공간만 만들어뒀기 때문에 feed_dic으로 값 지정
        #
        if step %20 == 0 :
            # print(step, 'loss :', sess.run(loss), 'w :', sess.run(w), 'b :', sess.run(b))            
            print(step, 'loss :', loss_val, 'w :', w_val, 'b :', b_val)
        
        loss_val_list.append(loss_val)
        w_val_list.append(w_val)

    
    x_data= tf.placeholder(tf.float32, shape=[None])
    # x_data = [6,7,8]
    y_pred = x_data*w_val+b_val
    y_predict = sess.run([y_pred], feed_dict={x_data:[6,7,8]})
    
    print('y_predict :', y_predict[0][0], y_predict[0][1], y_predict[0][2])
    
    
    # 쌤 코드
    # x_data = [6,7,8]
    # x_test = tf.compat.v1.placeholder(tf.float32, shape=[None])
    # y_predict = x_test * w_val + b_val
    # print(sess.run(y_predict,feed_dict={x_test:x_data}))
    
print(loss_val_list)
# print(w_val_list)

plt.figure(figsize=(15, 6))     #figsize = 피규어의 사이즈

plt.subplot(1,3,1)
plt.plot(loss_val_list)
plt.xlabel('epochs')
plt.ylabel('loss')
# plt.show()

plt.subplot(1,3,2)
plt.plot(w_val_list)
plt.xlabel('epochs')
plt.ylabel('weight')
# plt.show()

plt.subplot(1,3,3)
plt.scatter(w_val_list, loss_val_list)
plt.xlabel('weights')
plt.ylabel('loss')
plt.show()

tf10_loss_weights_graph