Tensorflow 张量流中二元函数的极小化

我是tensorflow的新手，正在寻找最小化方程的教程 我尝试实现一个最小化函数的示例：

import tensorflow as tf

x = tf.Variable(random.randn, name='x')
y= tf.Variable(random.randn, name='y')

fx = 2*x -3*y

opt = tf.train.GradientDescentOptimizer(0.1).minimize(fx)

with tf.Session() as sess:
   sess.run(tf.global_variables_initializer())
   for i in range(5):
     print(sess.run([x,y]))
     sess.run(opt)

效果很好

但我如何才能对这种类型的方程进行计算，例如：

---

e^x+xy=20

一种方法是最小化l2损耗，即：

fx = tf.nn.l2_loss(tf.exp(x)+tf.multiply(x,y)-20)

---

当然还有其他的可能性，但这只是一个例子。

正是我想要的！谢谢