计算机视觉与深度学习 ｜ TensorFlow基本概念与应用场景：MNIST 手写数字识别（附代码）

TensorFlow 基本概念

TensorFlow 是一个开源的机器学习框架，由 Google 开发，核心概念包括：

1. 张量（Tensor）：多维数组，是数据的基本单位。
2. 计算图（Graph）：早期版本中用于描述数据流和计算过程，2.x 默认启用即时执行（Eager Execution），兼顾灵活性和性能。
3. 层（Layers）：预定义或自定义的神经网络组件（如全连接层、卷积层）。
4. 模型（Model）：通过组合层构建的神经网络结构，支持训练和推理。
5. 优化器（Optimizer）：定义模型参数的更新方式（如 Adam、SGD）。
6. 损失函数（Loss Function）：衡量模型预测与真实值的差异。

使用场景

TensorFlow 适用于以下场景：