TensorFlow，深度学习的Python巨头！

TensorFlow，深度学习的Python巨头！

1. TensorFlow是什么？

首先，我们需要安装TensorFlow。打开终端，输入以下命令：

```python

pip install tensorflow

安装完成后，让我们来写第一个TensorFlow程序：

python

import tensorflow as tf

# 创建一个简单的计算

print(tf.constant("Hello, TensorFlow!"))

print(tf.add(3, 4)) # 3+4

print(tf.multiply(2, 5)) # 2*5

小贴士：TensorFlow 2.x版本采用了更直观的编程方式，不需要像1.x版本那样创建Session啦！

2. 张量(Tensor)：TensorFlow的核心

张量听起来很高大上，其实就是多维数组啦！就像我们生活中的例子：

标量(0维张量)：一个数字

向量(1维张量)：购物清单

矩阵(2维张量)：excel表格

3维张量：RGB彩色图片

来看看如何创建和操作张量：

python

# 创建各种张量

scalar = tf.constant(42)

vector = tf.constant([1, 2, 3])

matrix = tf.constant([[1, 2], [3, 4]])

# 张量运算

a = tf.constant([[1, 2], [3, 4]])

b = tf.constant([[5, 6], [7, 8]])

print(tf.add(a, b)) # 矩阵加法

print(tf.matmul(a, b)) # 矩阵乘法

3. 动手实践：制作简单的神经网络

让我们用TensorFlow创建一个简单的神经网络，预测一下房价吧！

python

import tensorflow as tf

from tensorflow import keras

# 创建一个简单的神经网络模型

model = keras.Sequential([

keras.layers.Dense(64, activation='relu', input_shape=[1]),

keras.layers.Dense(32, activation='relu'),

keras.layers.Dense(1)

])

# 编译模型

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

# 准备一些示例数据（房屋面积和价格）

house_size = tf.constant([50, 60, 70, 80, 90, 100], dtype=tf.float32)

house_price = tf.constant([500, 600, 700, 800, 900, 1000], dtype=tf.float32)

# 训练模型

model.fit(house_size, house_price, epochs=100, verbose=0)

# 预测新房价

test_size = tf.constant([120], dtype=tf.float32)

print(f"预测120平米房子的价格：{model.predict(test_size)[0][0]:.2f}万元")

注意事项：实际的房价预测需要考虑更多特征，这里只是一个简化的示例哦！

4. 快速上手小技巧

自动求导：TensorFlow能自动计算梯度，这在深度学习中超级重要！

python

x = tf.Variable(3.0)

with tf.GradientTape() as tape:

y = x * x

dy_dx = tape.gradient(y, x)

print(f"导数值：{dy_dx}") # 应该是2x = 6

模型保存和加载：

python

练习小题

尝试修改上面房价预测的神经网络结构，看看结果会有什么变化？

能否添加更多特征（如房间数、地理位置等）来提高预测准确度？

小伙伴们，今天的Python学习之旅就到这里啦！TensorFlow真的是个超级强大的工具，能帮我们实现各种炫酷的人工智能应用。记得动手敲代码，有问题随时在评论区问圆圆哦。祝大家学习愉快，Python学习节节高！