欢迎来到 TensorFlow Keras 教程页面！在这里，你将学习如何使用 Keras，TensorFlow 的高级 API，来构建和训练神经网络。

快速开始

  1. 安装 TensorFlow
    在开始之前，请确保你已经安装了 TensorFlow。你可以通过以下命令安装： 

    pip install tensorflow

  2. 创建第一个模型
    下面是一个简单的神经网络模型示例：

    from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

model = Sequential()
model.add(Dense(10, input_dim=8, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

  3. 训练模型
    接下来，你需要准备一些数据来训练模型：

    from tensorflow.keras.datasets import mnist
from tensorflow.keras.utils import to_categorical

(X_train, y_train), (X_test, y_test) = mnist.load_data()
X_train = X_train.reshape(60000, 784)
X_test = X_test.reshape(10000, 784)
X_train = X_train.astype('float32')
X_test = X_test.astype('float32')
X_train /= 255
X_test /= 255
y_train = to_categorical(y_train, 10)
y_test = to_categorical(y_test, 10)

    现在你可以开始训练模型了：

    model.fit(X_train, y_train, epochs=5, batch_size=128)

  4. 评估模型
    训练完成后，你可以使用测试数据来评估模型的性能：

    scores = model.evaluate(X_test, y_test, verbose=0)
print('Test loss:', scores[0])
print('Test accuracy:', scores[1])

更多资源

想要了解更多关于 Keras 的信息，请访问 TensorFlow 官方文档。

TensorFlow Logo

如果你对深度学习有更深入的兴趣，不妨看看我们的 深度学习教程。