TensorFlow 基本概念

TensorFlow 是一個開源的機器學習框架，由 Google 開發，核心概念包括：

1. 張量（Tensor）：多維數組，是數據的基本單位。
2. 計算圖（Graph）：早期版本中用于描述數據流和計算過程，2.x 默認啟用即時執行（Eager Execution），兼顧靈活性和性能。
3. 層（Layers）：預定義或自定義的神經網絡組件（如全連接層、卷積層）。
4. 模型（Model）：通過組合層構建的神經網絡結構，支持訓練和推理。
5. 優化器（Optimizer）：定義模型參數的更新方式（如 Adam、SGD）。
6. 損失函數（Loss Function）：衡量模型預測與真實值的差異。

---

使用場景

TensorFlow 適用于以下場景：