TensorFlow 教程

TensorFlow 是一个由 Google 开源的高级神经网络库，用于数据流编程。它允许研究人员和开发者轻松地构建和训练复杂的机器学习模型。

安装 TensorFlow

在开始之前，您需要安装 TensorFlow。以下是在 Python 中安装 TensorFlow 的基本步骤：

安装 Python 环境。
使用 pip 安装 TensorFlow：pip install tensorflow
验证安装：运行 python -c "import tensorflow as tf; print(tf.__version__)"

快速入门

简单的神经网络

以下是一个简单的神经网络示例，用于分类任务：

import tensorflow as tf

# 创建模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(10, activation='relu', input_shape=(784,)),
    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)

# 评估模型
model.evaluate(x_test, y_test)

使用 TensorFlow.js

TensorFlow.js 是 TensorFlow 在浏览器中的版本，允许您在浏览器中运行 TensorFlow 模型。

// 创建模型
const model = tf.sequential();
model.add(tf.layers.dense({units: 10, activation: 'relu', inputShape: [784]}));
model.add(tf.layers.dense({units: 10, activation: 'softmax'}));

// 编译模型
model.compile({optimizer: 'adam', loss: 'categoricalCrossentropy', metrics: ['accuracy']});

// 训练模型
model.fit(tf.tensor2d(x_train), tf.tensor1d(y_train), epochs=5);

// 评估模型
model.evaluate(tf.tensor2d(x_test), tf.tensor1d(y_test));

扩展阅读

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