TensorFlow 基础教程 🚀

欢迎来到 TensorFlow 基础教程！TensorFlow 是一个开源机器学习框架，广泛用于构建和训练各种机器学习模型。以下是您需要了解的关键内容：

1. 安装 TensorFlow

• Python 环境：确保已安装 Python 3.7 或更高版本
• 安装命令：使用 pip 安装 TensorFlow

  pip install tensorflow
  

  📌 提示：安装后可访问 TensorFlow 官方文档 进一步了解高级功能

2. 基本用法

• 创建张量：使用 tf.constant() 定义数据

  import tensorflow as tf
  data = tf.constant([1, 2, 3], dtype=tf.int32)
  

• 构建模型：通过 tf.keras 创建神经网络

  model = tf.keras.Sequential([
      tf.keras.layers.Dense(10, activation='relu', input_shape=(None, 1)),
      tf.keras.layers.Dense(1)
  ])
  

• 训练模型：使用 .fit() 方法进行训练

  model.fit(x_train, y_train, epochs=10)
  

3. 示例代码

以下是一个简单的线性回归示例：

import tensorflow as tf
import numpy as np

# 生成数据
x = np.random.rand(100, 1)
y = 2 * x + 1 + np.random.rand(100, 1) * 0.1

# 构建模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(1)
])

model.compile(optimizer='sgd', loss='mse')

# 训练模型
model.fit(x, y, epochs=100)

4. 扩展阅读

如需深入了解 TensorFlow 的高级用法，可访问 TensorFlow 高级教程。此外，TensorFlow 官方社区 也提供大量资源和案例分享。

📌 注意：所有代码示例均基于 TensorFlow 2.x 版本，确保您的环境版本匹配