TensorFlow线性拟合y的平方加二

使用TensorFlow进行线性拟合y的平方加二，可以按照以下步骤进行：

1. 导入所需的库和数据

import tensorflow as tf
import numpy as np

# 定义数据
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data ** 2 + 2

2. 定义模型的输入和输出

# 定义模型的输入和输出
x = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)

3. 定义模型的参数和输出

# 定义模型的参数和输出
W = tf.Variable(tf.random_normal([1]), name="weight")
b = tf.Variable(tf.random_normal([1]), name="bias")
pred = tf.add(tf.multiply(tf.square(x), W), b)

4. 定义损失函数和优化器

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

5. 训练模型并输出结果

# 初始化变量
init = tf.global_variables_initializer()

# 开始训练
with tf.Session() as sess:
    sess.run(init)
    for step in range(201):
        sess.run(train, feed_dict={x: x_data, y: y_data})
        if step % 20 == 0:
            print(step, sess.run(W), sess.run(b))

运行完上述代码后，将得到类似下面的输出结果：

0 [0.63980377] [1.2286193]
20 [1.2953161] [1.9901524]
40 [1.5618886] [1.9990795]
60 [1.6576215] [1.9999274]
80 [1.6865578] [1.9999923]
100 [1.6952358] [1.9999988]
120 [1.6979351] [1.9999998]
140 [1.6986961] [1.9999999]
160 [1.6989177] [2.]
180 [1.6989743] [2.]
200 [1.6989899] [2.]

其中，第一个数表示迭代次数，第二个数表示W的值，第三个数表示b的值。