TensorFlow 入门教程

TensorFlow 是一个由 Google 开发的开源机器学习框架，它广泛应用于各种机器学习和深度学习任务。本教程将为你提供一个 TensorFlow 的入门指南，帮助你快速上手。

快速开始

1. 安装 TensorFlow：首先，你需要安装 TensorFlow。你可以通过以下命令来安装：

pip install tensorflow

2. 创建第一个 TensorFlow 程序：

import tensorflow as tf

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

运行这段代码，你将看到输出 "Hello, TensorFlow!"。

基础概念

• 张量（Tensor）：TensorFlow 的核心数据结构，用于存储和操作数据。
• 会话（Session）：TensorFlow 的执行环境，用于运行计算图。
• 节点（Node）：构成计算图的基本单元，代表一个计算操作。

实践案例

以下是一个简单的神经网络示例，用于识别手写数字：

import tensorflow as tf

# 构建模型
model = tf.keras.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, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
model.fit(train_images, train_labels, epochs=5)

# 评估模型
test_loss, test_acc = model.evaluate(test_images, test_labels, 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：

• TensorFlow 官方文档

TensorFlow Logo