使用Tensorflow优化python中的函数

我是tensorflow的新手，尝试了解如何在机器学习环境之外使用。我想通过tensorflow的ADAM实现来优化python函数

假设我有以下函数：

def fun_测试（x）：
"""
：param x：参数列表，例如[1,2,3]
：返回：实际值
"""
res=做某事（x）
return res

您需要重写函数

dou\u something

以张量作为输入并返回标量张量（即创建计算图）。下面的代码是如何对函数执行优化的示意图。（顺便说一句，在你的代码

fun\u测试中

和

dou\u something

没有真正的区别，所以我选择了后者）

---

您需要重写函数

do_something

，将张量作为输入并返回标量张量（即创建计算图）。下面的代码是如何对函数执行优化的示意图。（顺便说一句，在你的代码

fun\u测试中

和

dou\u something

没有真正的区别，所以我选择了后者）

x = tf.get_variable("x", dtype=..., initializer=...)
target = do_something(x)
opt = tf.train.AdamOptimizer(...).minimize(target)  # Defines one optimization step
with tf.Session() as sess:
   sess.run(tf.global_variables_initializer())  # Initialize x

   NUM_STEPS = 1000
   for _ in range(NUM_STEPS):
      sess.run(opt)          # Run optimization for NUM_STEPS steps

   print(sess.run(x))        # Show values of x
   print(sess.run(target))   # Show target value