tensorflow的代码示例

TensorFlow是一个开源的机器学习库，主要用于构建和训练神经网络模型。下面是一个简单的TensorFlow 2.x代码示例，展示了如何创建一个线性回归模型：

# 导入所需的库
import tensorflow as tf

# 设置随机种子以便于复现结果
tf.random.set_seed(42)

# 定义输入数据
features = [[1., 2.], [3., 4.]]  # 输入特征
labels = [[5.], [6.]]             # 目标标签

# 创建张量（在TensorFlow中，我们通常操作的是张量）
inputs = tf.constant(features)
labels = tf.constant(labels)

# 定义模型
model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(units=1, input_shape=[2])  # 线性层，1个输出单元，输入形状为2D
])

# 编译模型（指定损失函数、优化器和评价指标）
model.compile(optimizer='sgd', loss='mean_squared_error')

# 训练模型
model.fit(inputs, labels, epochs=500)  # 进行500次迭代训练

# 预测新的样本
new_data = [[7., 8.]]
predictions = model.predict(new_data)

print("预测结果:", predictions)

在这个例子中，我们首先导入了`tensorflow`库，并设置了一个固定的随机种子。接着，定义了一些模拟的数据作为输入和目标值。然后，创建了一个简单的线性模型并编译它，最后进行训练并做出新数据的预测。