已有x对应y的值100组，利用深度学习算法校正y=ax+b中a和b的值的代码

这个问题可以使用线性回归模型来解决。以下是使用Python和TensorFlow实现的示例代码：

import numpy as np
import tensorflow as tf

# 假设已有x和y的值
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3

# 构建模型
a = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
y = a * x_data + b

# 定义损失函数和优化器
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# 创建会话并初始化变量
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)

# 训练模型
for step in range(201):
    sess.run(train)
    if step % 20 == 0:
        print(step, sess.run(a), sess.run(b))

# 输出最终结果
print(sess.run(a), sess.run(b))

在这个示例中，我们使用随机生成的100个x值和根据y=ax+b生成的100个y值作为训练数据。然后，我们定义了一个线性模型y=ax+b，并使用均方误差作为损失函数，使用梯度下降优化器来优化模型参数a和b。最终，我们通过迭代训练过程得到了最优的a和b值。