Python 如何用TensorFlow2写出这个方程？（4x+；2=0）

此代码不在TensorFlow 2中运行代码是什么

import tensorflow as tf

# the equation is  : 4x+2 = 0
unknownvalue = tf.Variable(0.0)
a = tf.constant(4.0)
b = tf.constant(2.0)
c = tf.multiply(unknownvalue,a)  # 4x
equation  = tf.add(c,b) # 4x+2
zerovalue = tf.constant(0.0)
diff = tf.square(equation-zerovalue) # differnce is : 4x+2  -  0 
solving = tf.train.GradientDescentOptimizer(0.01).minimize(diff)
init = tf.global_variables_initializer()

---

TF2更改了自TF1以来生成训练循环的方式。 我鼓励您阅读本指南：，以了解更多如何做到这一点

以下是tf1代码在TF2中的简单实现：

将tensorflow导入为tf
x=tf.变量（0.0）
优化器=tf.optimizers.SGD（1e-2）
对于范围（1,26）内的idx：
使用tf.GradientTape（）作为磁带：
#公式为：4x+2=0
方程=x*4+2#4x+2
损耗=tf.平方（方程式）
梯度=磁带梯度（损耗，[x]）
优化器。应用_梯度（zip（grad，[x]））
如果不是idx%5：
print（f“迭代：{idx}，丢失：{loss:.4f}，x:{x.numpy（）：.4f}”）

这导致

Iteration:5,loss:0.1829,x:-0.4273
Iteration:10,loss:0.0039,x:-0.4894
Iteration:15,loss:0.0001,x:-0.4985
Iteration:20,loss:0.0000,x:-0.4998
Iteration:25,loss:0.0000,x:-0.5000

---

TF2更改了自TF1以来生成训练循环的方式。 我鼓励您阅读本指南：，以了解更多如何做到这一点

以下是tf1代码在TF2中的简单实现：

将tensorflow导入为tf
x=tf.变量（0.0）
优化器=tf.optimizers.SGD（1e-2）
对于范围（1,26）内的idx：
使用tf.GradientTape（）作为磁带：
#公式为：4x+2=0
方程=x*4+2#4x+2
损耗=tf.平方（方程式）
梯度=磁带梯度（损耗，[x]）
优化器。应用_梯度（zip（grad，[x]））
如果不是idx%5：
print（f“迭代：{idx}，丢失：{loss:.4f}，x:{x.numpy（）：.4f}”）

这导致

Iteration:5,loss:0.1829,x:-0.4273
Iteration:10,loss:0.0039,x:-0.4894
Iteration:15,loss:0.0001,x:-0.4985
Iteration:20,loss:0.0000,x:-0.4998
Iteration:25,loss:0.0000,x:-0.5000

---

Tensorflow 2代码更加简单直观（GradientTape部分除外，如果您不习惯的话）：

---

Tensorflow 2代码更加简单直观（GradientTape部分除外，如果您不习惯的话）：