什么是 TensorFlow？

TensorFlow 是谷歌开发的开源机器学习框架，支持从研究到生产的全流程开发。其核心特性包括：

  • 灵活的计算图：用tf.Graph定义模型结构
  • 分布式训练：支持多GPU/TPU加速
  • 丰富的API：Keras简化模型构建 📈
  • 跨平台部署：可在PC、移动端、云端运行 🌍

📘 点击了解TensorFlow的更多应用场景

快速入门步骤

  1. 安装环境 
    pip install tensorflow
  2. 创建会话 
    import tensorflow as tf
sess = tf.Session()
  3. 定义计算图 
    a = tf.constant(5)
b = tf.constant(3)
c = tf.add(a, b)
  4. 运行计算 
    print(sess.run(c))  # 输出 8

核心概念图示

tensorflow_logo
neural_network_structure

实战案例

尝试用TensorFlow实现一个简单的线性回归模型 📊 

# 导入库
import tensorflow as tf
import numpy as np

# 生成数据
X = np.random.rand(100).astype(np.float32)
Y = X * 0.5 + 0.3

# 定义变量
W = tf.Variable(0.0, name="weights")
b = tf.Variable(0.0, name="bias")

# 构建模型
Y_pred = tf.add(tf.multiply(X, W), b)

# 定义损失函数
loss = tf.reduce_mean(tf.square(Y - Y_pred))

# 优化器
optimizer = tf.train.GradientDescentOptimizer(0.01)
train = optimizer.minimize(loss)

# 启动会话
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for step in range(1000):
        sess.run(train)
    print("最终参数:", sess.run([W, b]))

扩展学习

💡 图片关键词建议：tensorflow_logo、neural_network_structure、linear_regression_model