运行backpropagation.py，寻找 最小loss的代码
```python
import tensorflow as tf
w = tf.Variable(tf.constant(5, dtype=tf.float32))
lr = 0.2
epoch = 40
for epoch in range(epoch): # for epoch 定义顶层循环，表示对数据集循环epoch次，此例数据集数据仅有1个w,初始化时候constant赋值为5，循环40次迭代。
with tf.GradientTape() as tape: # with结构到grads框起了梯度的计算过程。
loss = tf.square(w + 1)
grads = tape.gradient(loss, w) # .gradient函数告知谁对谁求导
w.assign_sub(lr * grads) # .assign_sub 对变量做自减 即：w -= lr*grads 即 w = w - lr*grads
print("After %s epoch,w is %f,loss is %f" % (epoch, w.numpy(), loss))
# lr初始值：0.2 请自改学习率 0.001 0.999 看收敛过程
# 最终目的：找到 loss 最小 即 w = -1 的最优参数w
```
出现问题：
AttributeError: 'RefVariable' object has no attribute '_id'
问题分析：
怀疑 是 tensorflow(=1.12.0，python 3.6.5)版本太低
解决办法：
在Anaconda 中 创建一个 虚拟 环境 tf2.0（创建方法）。在tf2.0 中安装 python 3.7 和tensorflow 2.0.0
tf2.0环境中运行：