AI：初识 TensorFlow

🚀 初识 TensorFlow：人人都能掌握的 AI 框架！

想走进人工智能的世界，但被高深的数学和晦涩的代码劝退？今天我们一起走近 Google 出品的深度学习框架 —— TensorFlow，让你用最轻松的方式打开 AI 大门 🧠✨

---

🧩 什么是 TensorFlow？

TensorFlow 是 Google 开发的一个开源机器学习框架，最初用于神经网络，现在可以处理各种机器学习任务。它的名字来源于两个词：

• Tensor：张量，是数据的基本单位，可以看作多维数组。
• Flow：表示数据在图中的流动。

通俗点说，它就像是一个能自动完成数学运算的“超级计算器”🧮，还能自动“找规律”和“做决定”。

---

📐 什么是张量（Tensor）？

张量（Tensor）是 TensorFlow 的“灵魂”，它是数据的基本载体。简单来说，张量就是一个多维数组，类似于 Python 中的 list 或 NumPy 中的 ndarray。

🧱 张量的维度（维度 = 秩，Rank）

张量阶数	数学叫法	示例	Tensor 表示
0阶张量	标量（Scalar）	5	tf.constant(5)
1阶张量	向量（Vector）	[1, 2, 3]	tf.constant([1,2,3])
2阶张量	矩阵（Matrix）	[[1, 2], [3, 4]]	tf.constant([[1,2],[3,4]])
3阶张量	张量（Tensor）	一组三维图像	tf.random.normal([2,3,4])

📌 记忆口诀：

• 标量：一个数 🟢
• 向量：一排数 📏
• 矩阵：一张表 🗒️
• 高阶张量：一堆表📚或一堆图片🖼️

---

🔍 Tensor 的重要属性

在 TensorFlow 中，每个张量都包含以下几个关键属性：

import tensorflow as tf

t = tf.constant([[1, 2, 3], [4, 5, 6]])

print("值：", t.numpy())           # 输出张量的值
print("形状（shape）：", t.shape)  # 行数和列数
print("数据类型（dtype）：", t.dtype)  # int32, float32 等
print("维度（ndim）：", t.ndim)     # 2 表示是一个二维张量

输出：

值： [[1 2 3]
     [4 5 6]]
形状（shape）： (2, 3)
数据类型（dtype）： <dtype: 'int32'>
维度（ndim）： 2

---

🧠 举个例子：图像是如何表示成张量的？

以一张 RGB 彩色图为例（假设尺寸为 28×28 像素）：

• 单张图：(28, 28, 3) —— 三个颜色通道
• 一批图：(32, 28, 28, 3) —— 32 张图组成的 batch

这就是为什么我们常说深度学习中模型“吃的是张量、吐出的是预测”😄

---

🧪 张量操作示例（Tensor 操作是深度学习的基础！）

a = tf.constant(<