tensorflow中的4X+2=0

Question

我想用TensorFlow解这个方程（4X+2=0），关于这个代码我有两个问题：

import tensorflow as tf


x = tf.Variable(0.0)


for i in range(10000):
    with tf.GradientTape() as tape:
        y = 4 * x + 2
        loss = tf.square(y)
        gradient=tape.gradient(loss,[x])
        tf.optimizers.SGD(learning_rate=0.01).apply_gradients(zip(gradient,[x]))
print(x.numpy())

我的第一个问题是：

为什么如果我在for循环之外声明等式及其损失函数，会导致错误

y = 4 * x + 2
loss = tf.square(y)

我的意思是每次迭代这些变量都会在内存中启动一个新地址，所以我想把它们放在for循环之外

第二个问题是：

为什么我要使成本函数（4X+2）^2，然后我再次微分方程

Answer 1

why if i declare the equation and its loss function outside the for loop it will lead to an error

我想你是在问关于循环的具体问题，但是你可以像这样声明函数

@tf.function
def f(x):
    Y = 4 * x + 2
    Y = tf.square(Y)
    return Y

x = tf.Variable(0.0)

opt = tf.keras.optimizers.SGD(learning_rate=0.01)


loss_fn = lambda: f(x)
var_list = [x]

for _ in range(10000):
    opt.minimize(loss_fn, var_list)

print(x.numpy())

-0.49999997