1) 如何通过 TensorFlow 的变量赋值计算：1+2+3+…+100? (2) / (3) 生成均匀分布的 100 个数据 x ，x 属于 (-1,1) ，利用 numpy 中的 linspace 函数生成均匀分布的数据。令 y=2x+1 ，绘制散列点 (x,y) 。使用 plt.scatter () 函数完 成散列点的绘制。使用 plt.plot()函数绘制 y=2x+1 x 属于 (-1,1) (4) 写出一元线性回归的模型函数和损失函数

1) 代码如下：

import tensorflow as tf

# 定义变量x和初始值
x = tf.Variable(0, dtype=tf.int32)
init = tf.global_variables_initializer()

# 定义计算图
sum = 0
for i in range(1, 101):
    sum += i
assign_op = tf.assign(x, sum)

# 运行计算图
with tf.Session() as sess:
    sess.run(init)
    sess.run(assign_op)
    print(sess.run(x))

2) 代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 生成均匀分布的数据
x = np.linspace(-1, 1, 100)
y = 2 * x + 1

# 绘制散列点和直线
plt.scatter(x, y)
plt.plot(x, y)

# 显示图像
plt.show()

3) 一元线性回归的模型函数为：

$$y = wx + b$$

其中，$w$ 是权重，$b$ 是偏置。

损失函数为：

$$Loss = \frac{1}{2n}\sum_{i=1}^n(y_i - (wx_i + b))^2$$

其中，$n$ 是样本数量，$y_i$ 是第 $i$ 个样本的真实值，$x_i$ 是第 $i$ 个样本的特征值。