TensorFlow 学习大纲

最新推荐文章于 2025-10-25 15:07:05 发布

原创

最新推荐文章于 2025-10-25 15:07:05 发布 · 866 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#1024程序员节 #python #tensorflow

一、基础环境搭建与入门

TensorFlow 简介与安装
- 背景：TensorFlow 由 Google Brain 团队开发，2015 年开源，是深度学习领域的主流框架之一，支持从研究到生产的全流程开发。
- 安装方式：
  - CPU 版本：适合入门学习，命令简单：
```
pip install tensorflow
```
  - GPU 版本：需安装 CUDA 和 cuDNN（参考 TensorFlow 官网文档），命令：
```
pip install tensorflow-gpu
```
- 验证安装：
```
import tensorflow as tf
print(tf.__version__) # 输出版本号即安装成功
print(tf.config.list_physical_devices('GPU')) # 查看GPU是否可用
```
核心概念解析
- 张量（Tensor）：
  - 多维数组，是 TensorFlow 的基本数据结构。
  - 维度示例：
    - 0 维：标量（tf.constant(5)）
    - 1 维：向量（tf.constant([1, 2, 3])）
    - 2 维：矩阵（tf.constant([[1, 2], [3, 4]])）
    - 3 维：图像数据（长、宽、通道数）。
- 计算图（Graph）：
  - 由节点（操作）和边（张量流动）组成，TensorFlow 1.x 的核心机制。
  - TensorFlow 2.x 默认启用“即时执行（Eager Execution）”，无需预先定义图，更接近 Python 原生逻辑。
- 会话（Session）：
  - 执行计算图的工具，TensorFlow 1.x 中需显式创建会话来运行操作。
  - TensorFlow 2.x 中通过动态图机制自动管理。
- Keras API：
  - TensorFlow 的高层封装，提供极简代码实现复杂模型（如几行代码搭建神经网络），支持快速原型开发和底层定制。

二、核心功能与操作

张量操作
- 创建张量：
  - 常量：tf.constant([1, 2, 3])
  - 变量：tf.Variable([1.0, 2.0])（训练中可更新）
  - 随机张量：tf.random.normal(shape=(2, 3))（正态分布）
- 张量运算：
  - 矩阵乘法：tf.matmul(a, b)
  - 元素级运算：tf.add(a, b)
数据流图与即时执行
- 数据流图优势：
  - 支持并行计算和分布式计算，节点可独立执行（输入就绪时）。
  - 设备分配：通过 tf.device 指定操作在 CPU 或 GPU 上执行。
- 即时执行模式：
  - TensorFlow 2.x 默认启用，无需预先定义图，代码更直观。
  - 示例：
```
a = tf.constant(2)
b = tf.constant(3)
print(tf.add(a, b).numpy()) # 直接输出 5
```

模型构建与训练

Sequential 模型：

适用于简单层叠结构，示例：

model = tf.keras.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)), # 输入层
tf.keras.layers.Dense(128, activation='relu'), # 隐藏层
tf.keras.layers.Dense(10, activation='softmax') # 输出层
]