TensorFlow 基础教程 🧠

欢迎来到 TensorFlow 基础学习页面！这是您入门机器学习框架的绝佳起点。我们将从环境搭建开始，逐步带您了解核心概念与实践示例。

📦 环境搭建指南

1. 安装 TensorFlow
   使用 pip 安装最新版本：

   pip install tensorflow
   

   📌 点击此处查看官方安装文档

2. 验证安装
   在 Python 中运行以下代码：

   import tensorflow as tf
   print(tf.__version__)
   

   ✅ 若成功输出版本号，说明环境配置完成！

📈 核心概念速览

• 张量（Tensor）：数据的多维数组形式，用 tf.constant() 创建
• 计算图（Graph）：TensorFlow 的核心执行模型
• 会话（Session）：运行计算图的上下文环境
• 自动微分：通过 tf.GradientTape 实现

💻 实战示例：线性回归

import tensorflow as tf

# 定义数据
X = tf.constant([[1.0], [2.0], [3.0]], dtype=tf.float32)
Y = tf.constant([[10.0], [20.0], [30.0]], dtype=tf.float32)

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

# 编译模型
model.compile(optimizer='sgd', loss='mean_squared_error')

# 训练模型
model.fit(X, Y, epochs=100)

📊 点击此处查看完整示例代码

🧠 深度学习基础

• 神经网络层：tf.keras.layers.Dense()
• 模型训练：model.fit() 方法
• 评估模型：model.evaluate()
• 保存模型：model.save('my_model.h5')

📚 扩展阅读推荐

• TensorFlow 官方中文文档
• Keras 模型构建教程
• 数据预处理最佳实践

💡 小贴士：建议搭配 TensorFlow Playground 在线工具直观感受模型训练过程！