代码实现Tensorflow

以下是使用TensorFlow实现一个简单的线性回归模型的示例代码：

import tensorflow as tf
import numpy as np

# 生成一些随机数据
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3

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

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

# 开始训练模型
with tf.Session() as sess:
    sess.run(init)
    for step in range(201):
        sess.run(train)
        if step % 20 == 0:
            print(step, sess.run(W), sess.run(b))

这个示例代码中，我们首先生成了一些随机数据，然后构建了一个简单的线性回归模型，使用梯度下降优化器来最小化损失函数，最后在训练过程中输出每20步的模型参数。