欢迎来到 TensorFlow 社区的问答板块！这里汇聚了众多 TensorFlow 开发者和爱好者，大家在这里共同探讨问题、分享经验。
常见问题
1. 如何在 TensorFlow 中实现线性回归？
线性回归是 TensorFlow 中最基础的机器学习算法之一。以下是一个简单的线性回归示例：
import tensorflow as tf
# 创建模型
model = tf.keras.Sequential([
tf.keras.layers.Dense(units=1, input_shape=[1])
])
# 编译模型
model.compile(optimizer='sgd', loss='mean_squared_error')
# 训练模型
model.fit([1, 2, 3], [1, 2, 3], epochs=100)
# 预测
print(model.predict([4]))
更多关于线性回归的介绍，请参考 TensorFlow 官方文档
2. 如何在 TensorFlow 中实现卷积神经网络？
卷积神经网络（CNN）在图像识别、物体检测等领域有着广泛的应用。以下是一个简单的 CNN 示例：
import tensorflow as tf
# 创建模型
model = tf.keras.Sequential([
tf.keras.layers.Conv2D(32, kernel_size=[3, 3], activation='relu', input_shape=[28, 28, 1]),
tf.keras.layers.MaxPooling2D(pool_size=[2, 2]),
tf.keras.layers.Flatten(),
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)
# 预测
print(model.predict(x_test))
更多关于 CNN 的介绍，请参考 TensorFlow 官方文档
图片展示
TensorFlow Logo
希望这些信息对您有所帮助！如果您还有其他问题，欢迎在社区提问。