TensorFlow，一个无敌的深度学习库！

深度学习现在是不是特别火？大街上随便拉一个人都在说AI、机器学习。不过说实话，要真正入门深度学习，得有个靠谱的工具才行。TensorFlow就是这样一个超级好使的深度学习框架，它不光能帮你搭建各种花里胡哨的神经网络，还特别照顾新手，有一大堆现成的模型和工具可以用。

安装配置超简单

装TensorFlow贼简单，一行命令就搞定：

1pip install tensorflow

要验证是不是装好了，试试这个：

1import tensorflow as tf

2print(tf.__version__) # 输出当前TensorFlow版本

小贴士：

建议用Python 3.7以上的版本

装之前最好先建个虚拟环境，避免把主环境搞乱

有N卡的同学记得装GPU版本，训练速度能快好几倍

张量：TensorFlow的核心概念

张量听着挺吓人，其实就是个多维数组，跟NumPy的array差不多。看代码：

1# 创建一些简单的张量

2scalar = tf.constant(100) # 标量，0维张量

3vector = tf.constant([1， 2， 3]) # 向量，1维张量

4matrix = tf.constant([[1， 2]， [3， 4]]) # 矩阵，2维张量

6# 张量运算

7a = tf.constant([[1， 2]， [3， 4]])

8b = tf.constant([[5， 6]， [7， 8]])

9print(tf.add(a， b)) # 矩阵加法

10print(tf.matmul(a， b)) # 矩阵乘法

动手搭个简单的神经网络

光说不练假把式，咱们来整个最简单的神经网络，预测一下房价：

1import tensorflow as tf

2import numpy as np

4# 准备训练数据

5house_size = np.array([50， 80， 100， 120， 150]， dtype=float)

6house_price = np.array([100， 150， 180， 210， 250]， dtype=float)

8# 搭建模型

9model = tf.keras.Sequential([

11])

13# 编译模型

14model.compile(optimizer='sgd'， loss='mse')

16# 训练

17model.fit(house_size， house_price， epochs=100， verbose=0)

19# 预测

20print(f“房子面积110平米，预测价格：{model.predict([110]).flatten()[0]：.2f}万”)

小贴士：

实际项目中数据量肯定得大得多

这么简单的模型只是为了演示，实战中网络结构会复杂很多

记得对数据做归一化，不然训练效果可能不太好

玩转预训练模型

TF最爽的就是有一堆现成的预训练模型可以用，比如图像分类：

4import numpy as np

6# 加载预训练模型

7model = MobileNetV2(weights='imagenet')

9# 加载并处理图片（假设有个test.jpg）

10img = image.load_img('test.jpg'， target_size=(224， 224))

11x = image.img_to_array(img)

12x = np.expand_dims(x， axis=0)

13x = preprocess_input(x)

15# 预测

16preds = model.predict(x)

17results = decode_predictions(preds， top=3)[0]

18for name， desc， score in results：

19 print(f“{desc}：{score：.2%}”)

模型保存和加载

模型训练好了，总不能每次都重新训练吧？TF提供了超简单的保存和加载功能：

1# 保存模型

4# 加载模型

小贴士：

保存模型时最好带上版本号

记得把预处理的代码也一起保存下来

部署的时候可以考虑用TF Serving，性能会更好

到这差不多就入门了，后面还有特别多高级玩法，比如自定义层、分布式训练、模型量化啥的，这些等你玩熟悉了基础再说。写代码最重要的就是多练，光看不练啥都记不住，赶紧把代码敲一遍试试吧！

推 荐 阅 读

点赞分享

让钱和爱流向你