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

  1. 导入 TensorFlow 库

    import tensorflow as tf
    
  2. 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')
    ])
    
  3. 编译模型

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

    model.fit(x_train, y_train, epochs=10)
    
  5. 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!🎉