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)
TensorFlow 手写数字识别示例
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!🎉