# 定义输入，参数和其他变量 在我们使用 TensorFlow 构建和训练回归模型之前，让我们定义一些重要的变量和操作。我们从`X_train`和`y_train`中找出输出和输入变量的数量，然后使用这些数字来定义`x`（`x_tensor`），`y`（`y_tensor`），权重（`w`）和偏置（`b`）： ```py num_outputs = y_train.shape[1] num_inputs = X_train.shape[1] x_tensor = tf.placeholder(dtype=tf.float32, shape=[None, num_inputs], name="x") y_tensor = tf.placeholder(dtype=tf.float32, shape=[None, num_outputs], name="y") w = tf.Variable(tf.zeros([num_inputs,num_outputs]), dtype=tf.float32, name="w") b = tf.Variable(tf.zeros([num_outputs]), dtype=tf.float32, name="b") ``` * `x_tensor`被定义为具有可变行和`num_inputs`列的形状，并且在我们的示例中列数仅为 1 * `y_tensor`定义为具有可变行和`num_outputs`列的形状，列数在我们的示例中只有一个 * `w`被定义为维度`num_inputs` x `num_outputs`的变量，在我们的例子中是 **1 x 1** * `b`被定义为维度`num_outputs`的变量，在我们的例子中是一个