TensorFlow 是一个非常流行的开源机器学习库，它可以帮助你构建和训练各种机器学习模型。在这个教程中，我们将带你一步步创建你的第一个 TensorFlow 模型。
安装 TensorFlow
在开始之前，确保你已经安装了 TensorFlow。你可以通过以下命令进行安装：
pip install tensorflow
创建第一个模型
下面是一个简单的 TensorFlow 模型示例，它能够对数据进行分类：
import tensorflow as tf
# 定义模型
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
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(x_train, y_train, epochs=5)
数据集
在这个例子中，我们使用的是 MNIST 数据集，它包含了手写数字的图片。
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
运行模型
现在，你可以运行模型来预测新的数据：
predictions = model.predict(x_test)
扩展阅读
想要了解更多关于 TensorFlow 的知识，可以访问我们的 TensorFlow 教程。