tensorflow实现BP算法遇到了问题，求大神指点！！！

import tensorflow as tf
import numpy as np

#from tensorflow.examples.tutorials.mnist import input_data

#载入数据集

#每个批次的大小
#batch_size = 100 #?????????????????????????????????
#计算一共有多少个批次
#n_batch = mnist.train.num_examples // batch_size

#定义placeholder

x_data=np.mat([[0.4984,0.5102,0.5213,0.5340],
[0.5102,0.5213,0.5340,0.5407],
[0.5213,0.5340,0.5407,0.5428],
[0.5340,0.5407,0.5428,0.5530],
[0.5407,0.5428,0.5530,0.5632],
[0.5428,0.5530,0.5632,0.5739],
[0.5530,0.5632,0.5739,0.5821],
[0.5632,0.5739,0.5821,0.5920],
[0.5739,0.5821,0.5920,0.5987],
[0.5821,0.5920,0.5987,0.6043],
[0.5920,0.5987,0.6043,0.6095],
[0.5987,0.6043,0.6095,0.6161],
[0.6043,0.6095,0.6161,0.6251],
[0.6095,0.6161,0.6251,0.6318],
[0.6161,0.6251,0.6318,0.6387],
[0.6251,0.6318,0.6387,0.6462],
[0.6318,0.6387,0.6462,0.6518],
[0.6387,0.6462,0.6518,0.6589],
[0.6462,0.6518,0.6589,0.6674],
[0.6518,0.6589,0.6674,0.6786],
[0.6589,0.6674,0.6786,0.6892],
[0.6674,0.6786,0.6892,0.6988]])

y_data=np.mat([[0.5407],
[0.5428],
[0.5530],
[0.5632],
[0.5739],
[0.5821],
[0.5920],
[0.5987],
[0.6043],
[0.6095],
[0.6161],
[0.6251],
[0.6318],
[0.6387],
[0.6462],
[0.6518],
[0.6589],
[0.6674],
[0.6786],
[0.6892],
[0.6988],
[0.7072]])

xs = tf.placeholder(tf.float32,[None,4]) # 样本数未知，特征数为1，占位符最后要以字典形式在运行中填入
ys = tf.placeholder(tf.float32,[None,1])

#创建一个简单的神经网络
W1 = tf.Variable(tf.truncated_normal([4,10],stddev=0.1))
b1 = tf.Variable(tf.zeros([10])+0.1)
L1 = tf.nn.tanh(tf.matmul(x,W1)+b1)

W2 = tf.Variable(tf.truncated_normal([10,1],stddev=0.1))
b2 = tf.Variable(tf.zeros([1])+0.1)

L2 = tf.nn.softmax(tf.matmul(L1,W2)+b2)

#二次代价函数
#loss = tf.reduce_mean(tf.square(y-prediction))
#loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=ys,logits=prediction))

loss = tf.reduce_mean(tf.reduce_sum(tf.square((ys-L2)),reduction_indices = [1]))#需要向相加索引号，redeuc执行跨纬度操作

#使用梯度下降法

#初始化变量
#init = tf.global_variables_initializer()
init = tf.initialize_all_variables()
#结果存放在一个布尔型列表中
#correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(prediction,1))

#求准确率
#accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))

with tf.Session() as sess:
sess.run(init)
for epoch in range(21):
for i in range(22):
#batch_xs,batch_ys = mnist.train.next_batch(batch_size) #?????????????????????????

sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
#test_acc = sess.run(accuracy,feed_dict={x:mnist.test.images,y:mnist.test.labels,keep_prob:1.0})
#train_acc = sess.run(accuracy,feed_dict={x:mnist.train.images,y:mnist.train.labels,keep_prob:1.0})
print (sess.run(prediction,feed_dict={xs:x_data,ys:y_data}))

``````    提示：WARNING:tensorflow:From <ipython-input-10-578836c021a3>:89 in <module>.: initialize_all_variables (from tensorflow.python.ops.variables) is deprecated and will be removed after 2017-03-02.
``````

Instructions for updating:
Use `tf.global_variables_initializer` instead.

InvalidArgumentError Traceback (most recent call last)
1020 try:
-> 1021 return fn(*args)
1022 except errors.OpError as e:

1002 feed_dict, fetch_list, target_list,
1004
。。。

Java学习的正确打开方式

Elastic：菜鸟上手指南

Java知识体系最强总结(2020版)

Windows可谓是大多数人的生产力工具，集娱乐办公于一体，虽然在程序员这个群体中都说苹果是信仰，但是大部分不都是从Windows过来的，而且现在依然有很多的程序员用Windows。 所以，今天我就把我私藏的Windows必装的软件分享给大家，如果有一个你没有用过甚至没有听过，那你就赚了......，这可都是提升你幸福感的高效率生产力工具哦！ 走起！...... NO、1 ScreenToGif 屏幕，摄像头和

CPU对每个程序员来说，是个既熟悉又陌生的东西？ 如果你只知道CPU是中央处理器的话，那可能对你并没有什么用，那么作为程序员的我们，必须要搞懂的就是CPU这家伙是如何运行的，尤其要搞懂它里面的寄存器是怎么一回事，因为这将让你从底层明白程序的运行机制。 随我一起，来好好认识下CPU这货吧 把CPU掰开来看 对于CPU来说，我们首先就要搞明白它是怎么回事，也就是它的内部构造，当然，CPU那么牛的一个东
【综合篇】浏览器的工作原理：浏览器幕后揭秘
web（给达达前端加星标，提升前端技能） 了解浏览器是如何工作的，能够让你站在更高的角度去理解前端 浏览器的发展历程的三大路线，第一是应用程序web化，第二是web应用移动化，第三是web操作系统化。是不是有点不直白。 应用程序web化就是随着现在技术的发展，现在越来越多的应用转向了浏览器与服务器，就是B/S架构；web应用移动化，就是在移动设备应用，什么是移动设备呢。 “移动设备：

2020年1月17日，国家统计局发布了2019年国民经济报告，报告中指出我国人口突破14亿。 猪哥的朋友圈被14亿人口刷屏，但是很多人并没有看到我国复杂的人口问题：老龄化、男女比例失衡、生育率下降、人口红利下降等。 今天我们就来分析一下我们国家的人口数据吧！ 更多有趣分析教程，扫描下方二维码关注vx公号「裸睡的猪」 即可查看！ 一、背景 1.人口突破14亿 2020年1月17日，国家统计局发布

B 站上有哪些很好的学习资源?

CSS操作之你不得不知的一些小技巧（一）ヾ(Ő∀Ő๑)ﾉ太棒了！！

Firebug 的年代，我是火狐（Mozilla Firefox）浏览器的死忠；但后来不知道为什么，该插件停止了开发，导致我不得不寻求一个新的网页开发工具。那段时间，不少人开始推荐 Chrome 浏览器，我想那就试试吧，期初我觉得用起来很别扭，毕竟我不是一个“喜新厌旧”的人。但用的次数越来越多，也就习惯了。 Chrome 浏览器有一个好处，就是插件极其丰富，只有你想不到的，没有你找不到的，这恐怕是...

Java程序员都需要懂的「反射」

Java第二周学习
Java第二周学习 1. 数组 1.1 定义数组格式 数据类型[] 数组名 = new 数据类型[容量]; int[] arr = new int[10]; 赋值左侧 数据类型: 告知编译器，当前数组中能够保存的数据类型到底是什么？并且在确定数据类型之后，整个数组中保存的数据类型无法修改！！！ []: 告知编译器这里定义的是一个数组类型数据。 明确告知编译器，数组名是一个【引用数据类型...

Java基础知识面试题（2020最新版）

Spring面试题（2020最新版）

C语言写个贪吃蛇游戏

7年加工作经验的程序员，从大厂跳槽出来，遭遇了什么？

Python3怎么处理Excel中的数据（xlrd、xlwt的使用方法）

python --图像处理基础