写一个TensorFlow 2.0 的测试小案例

好的，下面是一个简单的 TensorFlow 2.0案例，它展示了如何使用 TensorFlow 2.0 构建一个简单的线性回归模型来预测房价：

import tensorflow as tf
import numpy as np

# 生成随机数据
np.random.seed(0)
x_train = np.random.random((1000, 1))
y_train = 3 * x_train + 2 + 0.2 * np.random.randn(1000, 1)

# 构建模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(1, input_shape=(1,))
])

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

# 训练模型
model.fit(x_train, y_train, epochs=10, batch_size=32)

# 使用模型进行预测
x_test = np.array([[0.2], [0.4], [0.6], [0.8]])
y_pred = model.predict(x_test)

# 打印预测结果
print(y_pred)

在这个案例中，我们首先生成了随机的训练数据 `x_train` 和 `y_train`，然后构建了一个简单的线性回归模型。使用 `model.compile` 方法编译模型，并指定优化器为 SGD（随机梯度下降），损失函数为均方误差（MSE）。接下来，使用 `model.fit` 方法训练模型，指定训练数据和训练的轮数。最后，使用训练好的模型进行预测，打印预测结果。

注意：这只是一个简单的示例，实际应用中可能需要更复杂的模型和更多的训练数据来获得更好的预测效果。