TensorFlow 教程

TensorFlow 是一个开源的机器学习框架，由 Google Brain 团队开发。它广泛应用于各种机器学习任务，包括深度学习。以下是一些 TensorFlow 教程的概览。

安装 TensorFlow

在开始之前，你需要安装 TensorFlow。以下是安装步骤：

环境准备：确保你的系统满足 TensorFlow 的安装要求。
安装命令：使用以下命令安装 TensorFlow：
```
pip install tensorflow
```

基础概念

TensorFlow 有几个核心概念：

Tensor：TensorFlow 的数据结构，可以表示多维数组。
Graph：TensorFlow 的计算图，描述了数据的流向和计算过程。
Session：用于执行计算图。

示例：Hello World

以下是一个简单的 TensorFlow 程序，用于输出 "Hello, World!"：

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')
print(hello)

深度学习入门

TensorFlow 提供了多种深度学习模型，如卷积神经网络 (CNN) 和循环神经网络 (RNN)。以下是一个简单的 CNN 示例：

import tensorflow as tf
from tensorflow.keras import datasets, layers, models

# 加载数据集
(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()

# 归一化数据
train_images, test_images = train_images / 255.0, test_images / 255.0

# 构建模型
model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))

# 添加全连接层
model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10))

# 编译模型
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

# 训练模型
model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels))

# 评估模型
test_loss, test_acc = model.evaluate(test_images,  test_labels, verbose=2)
print('\nTest accuracy:', test_acc)

TensorFlow 教程

安装 TensorFlow

基础概念

示例：Hello World

深度学习入门

更多资源