tensorflow 使用实例

下面是一个使用 TensorFlow 的简单示例，展示了如何创建一个简单的线性回归模型：

import tensorflow as tf
import numpy as np

# 创建输入数据
x_train = np.array([1, 2, 3, 4, 5], dtype=np.float32)
y_train = np.array([2, 4, 6, 8, 10], dtype=np.float32)

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

# 编译模型
model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.01),
              loss='mean_squared_error')

# 训练模型
model.fit(x_train, y_train, epochs=1000)

# 使用模型进行预测
x_test = np.array([6], dtype=np.float32)
y_pred = model.predict(x_test)
print(y_pred)

在这个示例中，我们首先创建了一些输入数据 `x_train` 和对应的目标输出数据 `y_train`。然后，我们定义了一个包含一个稠密层的线性回归模型，并使用 Adam 优化器和均方误差损失函数进行编译。接下来，我们使用训练数据进行 1000 轮的训练。最后，我们使用训练好的模型对新的输入数据 `x_test` 进行预测，并打印出预测结果 `y_pred`。

请注意，这只是 TensorFlow 的一个简单示例，实际使用中可能涉及更复杂的模型和数据处理。