TensorFlow 是 Google 开发的开源机器学习框架，其核心概念包括以下内容：

1. 张量（Tensor）

  • 定义：数据的多维数组，是 TensorFlow 的基本数据单位
  • 示例：标量（0维）、向量（1维）、矩阵（2维）、立方体（3维）
  • 📌 图片：张量_概念

2. 计算图（Computation Graph）

  • 作用：描述计算流程的有向图，节点表示操作，边表示张量
  • ✅ 特点：支持分布式计算，可可视化为图形结构
  • 📌 图片：计算图_结构

3. 会话（Session）

  • 📌 用于执行计算图的运行时环境
  • ⚙️ 通过 tf.Session() 创建，支持 GPU 加速
  • 📌 图片：会话_执行

4. 变量（Variable）

  • 📌 用于存储可训练参数的张量
  • 🔧 通过 tf.Variable() 初始化，需显式声明梯度
  • 📌 图片：变量_存储

5. 优化器（Optimizer）

  • 📌 自动计算梯度并更新参数的算法
  • 📦 常见类型：SGD、Adam、RMSProp
  • 📌 图片：优化器_算法

扩展学习

如需深入了解 TensorFlow 实践，可查看：TensorFlow 入门指南