# 定義輸入，參數和其他變量 在我們使用 TensorFlow 構建和訓練回歸模型之前，讓我們定義一些重要的變量和操作。我們從`X_train`和`y_train`中找出輸出和輸入變量的數量，然后使用這些數字來定義`x`（`x_tensor`），`y`（`y_tensor`），權重（`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`被定義為具有可變行和`num_inputs`列的形狀，并且在我們的示例中列數僅為 1 * `y_tensor`定義為具有可變行和`num_outputs`列的形狀，列數在我們的示例中只有一個 * `w`被定義為維度`num_inputs` x `num_outputs`的變量，在我們的例子中是 **1 x 1** * `b`被定義為維度`num_outputs`的變量，在我們的例子中是一個