🧠 什么是 TensorFlow？
TensorFlow 是 Google 开发的开源机器学习框架，支持从研究到生产的全流程。其核心特点包括：
- 🔧 灵活的计算图（Graph）架构
- 🌍 跨平台部署能力（CPU/GPU/TPU）
- 📚 丰富的预训练模型库
🛠 安装 TensorFlow
🐍 Python 环境
pip install tensorflow
⚠️ 注意：推荐使用 Python 3.8-3.11 版本
📦 其他方式
- 📱 TensorFlow 官方安装指南（英文）
- 📝 本地部署教程
🧪 实战：MNIST 手写数字识别
import tensorflow as tf
# 加载数据
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
# 构建模型
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10)
])
# 编译模型
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
# 训练模型
model.fit(x_train, y_train, epochs=5)
# 评估模型
test_loss, test_acc = model.evaluate(x_test, y_test, verbose=2)
print(f"测试准确率: {test_acc*100:.2f}%")