TensorFlow简介与使用指南

TensorFlow 是由 Google 开发的开源机器学习框架，专注于深度学习和数值计算。它通过构建数据流图（Data Flow Graph）来定义计算流程，支持高效的模型训练和部署，广泛应用于图像识别、自然语言处理、推荐系统等领域。

---

一、TensorFlow 的核心概念

1. 张量（Tensor）

   • 多维数组，是 TensorFlow 中数据的载体（例如标量、向量、矩阵）。

   • 示例：tf.constant([[1, 2], [3, 4]]) 表示一个 2x2 的张量。

2. 计算图（Graph）

   • 定义计算的静态结构（TensorFlow 1.x 的默认模式，2.x 默认启用即时执行，但仍支持图模式）。

3. 即时执行（Eager Execution）

   • TensorFlow 2.x 默认模式，允许像普通 Python 代码一样逐行执行。

4. 层（Layers）与模型（Model）

   • 提供高层 API（如 tf.keras）快速搭建神经网络。