TensorFlow Logo

欢迎来到TensorFlow基础教程！本指南将带你了解如何使用TensorFlow构建和训练机器学习模型，适合初学者快速上手。

环境准备

  1. 安装TensorFlow
    首次使用建议通过pip安装： 

    pip install tensorflow

    📌 点击此处查看安装文档 获取更多配置选项。

  2. 开发工具推荐

    • Jupyter Notebook（推荐）
    • PyCharm
    • VS Code

核心概念

  • 张量（Tensor）
    数据的基本载体，可以是标量、向量、矩阵或更高维数组。

    Tensor Example

  • 计算图（Graph）
    操作（Operations）和张量的拓扑结构，是TensorFlow执行的核心框架。

    Graph Structure

  • 会话（Session）
    用于运行计算图的环境，支持分布式计算。

    Session Workflow

示例代码

# 简单线性回归示例
import tensorflow as tf

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

# 构建模型
x = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)
y_pred = W * x + 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)

# 初始化变量
init = tf.global_variables_initializer()

# 启动会话
with tf.Session() as sess:
    sess.run(init)
    for _ in range(1000):
        sess.run(train, feed_dict={x: [1, 2, 3], y: [2, 4, 6]})
    print("最终参数：", sess.run([W, b]))

Code Example

扩展阅读

想深入了解TensorFlow高级功能？请查看我们的高级教程 获取更多实践技巧！