使用tf.optimizers.Adam.minimize（）时，对象不可调用。

Question

我是tensorflow（2.0）的新手，所以我想通过简单的线性回归来简化。我有以下代码，但我不知道为什么它是错误的。

我已经尝试过使用文档，但到目前为止我还没有答案。

x = np.random.normal(loc=10., scale = 0.1, size=170)
y = np.repeat(10.,170)
a_init = tf.random_normal_initializer()
a = tf.Variable(initial_value=a_init(shape = [1], dtype = 'float32'),trainable=True)
pred = tf.multiply(a,x)
loss = tf.nn.l2_loss(pred-y)
optim = tf.optimizers.Adam(lr = 0.002)
entreno = optim.minimize(loss, [a])

我收到以下错误，

Traceback (most recent call last)
<ipython-input-45-e1a191781d0a> in <module>
      2 loss = tf.nn.l2_loss(pred-y)
      3 optim = tf.optimizers.Adam(lr = 0.002)
----> 4 entreno = optim.minimize(loss, [a])

TypeError: 'tensorflow.python.framework.ops.EagerTensor' object is not callable

如果有帮助，我有一个tensorflow 1代码：

import tensorflow
import numpy as np
tf = tensorflow.compat.v1
x = np.random.normal(loc=1.,scale=0.1, size = 220)
y = np.repeat(14.37,220)
tf.disable_eager_execution()
x_d = tf.placeholder(shape = [1], dtype=tf.float32)
y_t = tf.placeholder(shape = [1], dtype = tf.float32)
A = tf.Variable(tf.random_normal(shape=[1]))
my_pred = tf.multiply(A,x_d)
loss = tf.square(my_pred-y_t)
optim = tf.train.GradientDescentOptimizer(learning_rate=0.02)
train_step = optim.minimize(loss)
init = tf.global_variables_initializer()
session = tf.Session()
session.run(init)
for _ in range(241):
    idx = np.random.choice(220)
    ranx = [x[idx]]
    rany = [y[idx]]
    session.run(train_step, feed_dict ={x_d : ranx, y_t : rany})
    if _%20 == 0:
        print("A = {}, Loss : {}".format(session.run(A), session.run(loss, feed_dict={x_d:ranx, y_t:rany})))

我是tensorflow（2.0）的新手，所以我想通过简单的线性回归来简化。我有以下代码，但我不知道为什么它是错误的。我已经尝试过文档，但到目前为止我还没有...

Answer 1

Tensorflow提供了有关如何精确执行此操作的指南：https://www.tensorflow.org/guide/eager但是代码是