一、TensorFlow 简介
TensorFlow 是由 Google 开发的开源深度学习框架，支持数据流图计算，可运行于 CPU/GPU/TPU。它被广泛应用于语音识别、图像处理、自然语言处理等多个 AI 领域。
二、安装 TensorFlow
2.1 pip 安装（默认 CPU 版本）
pip install tensorflow
2.2 pip 安装（GPU 支持版本）
pip install tensorflow==2.15.0
注意：需提前安装对应版本的 CUDA 和 cuDNN，推荐使用 NVIDIA 提供的安装说明。
2.3 conda 安装（适用于 Anaconda）
conda install -c conda-forge tensorflow
三、验证安装
import tensorflow as tf
print(tf.__version__)
print("是否使用 GPU：", tf.config.list_physical_devices('GPU'))
四、TensorFlow 基础使用
4.1 创建张量
import tensorflow as tfa = tf.constant([[1, 2], [3, 4]])
b = tf.constant([[5, 6], [7, 8]])
print(tf.add(a, b))
4.2 张量基本属性
print(a.shape)
print(a.dtype)
五、构建神经网络模型
使用 Keras Sequential 构建模型
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Densemodel = Sequential([Dense(128, activation='relu', input_shape=(784,)),Dense(10, activation='softmax')
])
六、模型编译与训练
model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])# 假设有训练数据 (x_train, y_train)
model.fit(x_train, y_train, epochs=5, batch_size=32)
七、保存与加载模型
保存模型
model.save('my_model.h5')
加载模型
from tensorflow.keras.models import load_model
model = load_model('my_model.h5')
八、TensorBoard 可视化
记录日志
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir="./logs")
model.fit(x_train, y_train, callbacks=[tensorboard_callback])
启动 TensorBoard
tensorboard --logdir=./logs
九、常见问题
Q1: 安装失败？
请升级 pip 并使用国内镜像源安装：
pip install --upgrade pip
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple
Q2: CUDA 相关报错？
- 检查 TensorFlow 和 CUDA/cuDNN 的兼容版本
- 确保安装了 GPU 驱动并配置好环境变量
十、学习资源推荐
- TensorFlow 官方文档
- TensorFlow 中文社区
- Google 官方入门教程
- 动手学深度学习（TF 版）
本文由“小奇Java面试”原创发布，转载请注明出处。
可以搜索【小奇JAVA面试】第一时间阅读，回复【资料】获取福利，回复【项目】获取项目源码，回复【简历模板】获取简历模板，回复【学习路线图】获取学习路线图。
)
学习笔记)
