tensorflow简单代码

当然，我可以提供一些简单的TensorFlow代码示例。以下是一个简单的线性回归模型的例子：

import tensorflow as tf
import numpy as np

# 定义训练数据
X_train = np.array([1, 2, 3, 4, 5])
y_train = np.array([2, 4, 6, 8, 10])

# 定义模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(units=1, input_shape=(1,))
])

# 编译模型
model.compile(optimizer='sgd', loss='mean_squared_error')

# 训练模型
model.fit(X_train, y_train, epochs=100)

# 预测
X_test = np.array([6, 7, 8])
predictions = model.predict(X_test)
print(predictions)

这个简单的代码使用TensorFlow构建了一个线性回归模型。我们首先定义了训练数据 `X_train` 和 `y_train`，然后创建了一个包含一个神经元的全连接层模型 `model`。然后我们使用梯度下降优化器和均方误差损失函数进行编译。接下来，我们使用训练数据训练模型，并对测试数据进行预测。最后，我们打印出预测结果。

请注意，这只是一个简单的线性回归示例，TensorFlow可以用于更复杂的深度学习模型。希望这个例子对你有帮助！