TensorFlow 基础教程

TensorFlow 是一个由 Google 开源的机器学习框架，广泛用于各种机器学习任务，包括深度学习。以下是一些 TensorFlow 的基础教程，帮助你入门。

安装 TensorFlow

首先，你需要安装 TensorFlow。你可以从 TensorFlow 官网获取详细的安装指南。

快速开始

导入 TensorFlow 库
```
import tensorflow as tf
```

创建一个简单的模型

model = tf.keras.Sequential([
    tf.keras.layers.Dense(10, activation='relu', input_shape=(32,)),
    tf.keras.layers.Dense(1, activation='sigmoid')
])

编译模型

model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=['accuracy'])

训练模型
```
model.fit(x_train, y_train, epochs=10)
```
评估模型
```
model.evaluate(x_test, y_test)
```

实例：神经网络识别手写数字

以下是一个使用 TensorFlow 训练神经网络识别手写数字的例子。

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10)
])

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

model.fit(x_train, y_train, epochs=5)

test_loss, test_acc = model.evaluate(x_test, y_test, verbose=2)
print('\nTest accuracy:', test_acc)

扩展阅读

想要更深入地了解 TensorFlow？可以阅读以下教程：

希望这些基础教程能帮助你入门 TensorFlow！🎉