欢迎来到人工智能学习之旅！本教程将带您完成使用 TensorFlow 编写第一个机器学习程序。只需5个步骤，即可体验模型训练的神奇过程~

🧰 开发环境准备

  1. 安装TensorFlow 

    pip install tensorflow

    📌 若遇到安装问题，请参考 TensorFlow安装指南 获取帮助

  2. 导入库 

    import tensorflow as tf
print("TensorFlow版本:", tf.__version__)

    ✅ 成功运行后将显示当前TensorFlow版本号

🧠 简单模型构建

# 创建一个简单的神经网络
model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(10, activation='relu', input_shape=(1,)),
    tf.keras.layers.Dense(1)
])

# 编译模型
model.compile(optimizer='adam', loss='mean_squared_error')

# 生成示例数据
import numpy as np
X = np.array([1.0, 2.0, 3.0, 4.0])
y = np.array([2.0, 4.0, 6.0, 8.0])

# 训练模型
model.fit(X, y, epochs=100)

📊 您会看到损失值逐渐降低的训练过程，这表示模型正在学习数据规律

📈 结果可视化

tensorflow_training_curve
📌 点击 [TensorFlow可视化教程](/ai-tutorials/tensorflow-visualization) 学习如何绘制训练曲线

🧩 进阶挑战

  • 尝试修改神经网络结构（如增加层数）
  • 更换优化器为SGD或RMSprop
  • 使用不同激活函数（如tanh、sigmoid）
  • 尝试非线性数据集（如sin波数据）

🌐 扩展学习

想要深入学习TensorFlow？请访问 TensorFlow官方文档 获取更专业的知识~

🎯 您的第一个TensorFlow程序已经完成！现在可以尝试用它进行预测： 

predictions = model.predict([5.0])
print("预测结果:", predictions)

🎉 您将看到模型对新数据的预测结果，这是机器学习的魔力所在！