[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-snowkylin--tensorflow-handbook":3,"tool-snowkylin--tensorflow-handbook":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",159636,2,"2026-04-17T23:33:34",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":72,"owner_website":79,"owner_url":80,"languages":81,"stars":120,"forks":121,"last_commit_at":122,"license":123,"difficulty_score":124,"env_os":125,"env_gpu":126,"env_ram":126,"env_deps":127,"category_tags":134,"github_topics":123,"view_count":32,"oss_zip_url":123,"oss_zip_packed_at":123,"status":17,"created_at":135,"updated_at":136,"faqs":137,"releases":168},8733,"snowkylin\u002Ftensorflow-handbook","tensorflow-handbook","简单粗暴 TensorFlow 2 | A Concise Handbook of TensorFlow 2 | 一本简明的 TensorFlow 2 入门指导教程","tensorflow-handbook 是一本专为开发者打造的 TensorFlow 2 简明入门指南。它旨在解决初学者在面对深度学习框架时，常被复杂的静态图机制和繁琐的 API 细节劝退的痛点，帮助用户快速跨越从理论到实践的门槛。\n\n本教程特别适合具备一定 Python 编程基础及机器学习概念的开发者使用。无论是希望转型深度学习的学生、工程师，还是寻求高效上手新版本的科研人员，都能从中获益。其核心亮点在于完全基于 Keras 高级接口和即时执行模式（Eager Execution）编写，摒弃了旧版本中晦涩难懂的会话（Session）与静态图概念，让代码逻辑更符合直觉，调试过程更加透明便捷。\n\n内容涵盖从基础操作到实战模型的全流程，所有示例代码均经过严格测试，兼容 TensorFlow 2.0 及 2.1 稳定版。除了提供流畅的在线阅读体验，项目还开放了源码仓库与在线答疑社区，方便用户随时获取最新代码并进行技术交流。通过“简单粗暴”的实战风格，tensorflow-handbook 致力于让学习 TensorFlow 2 变得轻松高效，是进入深度学习领域的优质敲门砖。","# 简单粗暴 TensorFlow 2 | A Concise Handbook of TensorFlow 2\n\n*基于Eager Execution | Based on Eager Execution*\n\n在线阅读 | Read online : https:\u002F\u002Ftf.wiki \n\n备用地址 | Alternative URL：https:\u002F\u002Fsnowkylin.github.io\u002Ftensorflow-handbook\u002F\n\n作者 | Author: [Xihan Li (snowkylin)](https:\u002F\u002Fsnowkylin.github.io), [Huan Li](https:\u002F\u002Fgithub.com\u002Fhuan), [Jinpeng Zhu](https:\u002F\u002Fgithub.com\u002Fdpinthinker)\n\n这是一本简明的 TensorFlow 2 入门指导手册，基于 Keras 和即时执行模式（Eager Execution），力图让具备一定机器学习及 Python 基础的开发者们快速上手 TensorFlow 2。\n\n本文的所有代码基于 TensorFlow 2.1 和 2.0 正式版。文中的所有示例代码可至 [这里](https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Ftree\u002Fmaster\u002Fsource\u002F_static\u002Fcode\u002Fzh) 获得。\n\nThis is a concise handbook of TensorFlow 2 based on Keras and Eager Execution mode, aiming to help developers with some basic machine learning and Python knowledge to get started with TensorFlow 2 quickly.\n\nThe code of this handbook is based on TensorFlow 2.0 and 2.1 stable version. All codes in the book can be found [here](https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Ftree\u002Fmaster\u002Fsource\u002F_static\u002Fcode\u002Fen).\n\nPDF下载（旧版） | PDF download (old version) : \n\n- (中文版 | Chinese): https:\u002F\u002Fdiscuss.tf.wiki\u002Ft\u002Ftopic\u002F23\n- (英文版 | English): https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Freleases\n\n教程在线答疑区 | Online Q&A area : \n\n- (中文 | Chinese): https:\u002F\u002Fdiscuss.tf.wiki\n- (英文 | English): https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fissues\n\n## DEVELOPING\n\n### Install\n\n> run `make install` for run all the follow commands.\n\n```sh\n# https:\u002F\u002Fwww.ibm.com\u002Fdeveloperworks\u002Fcn\u002Fopensource\u002Fos-sphinx-documentation\u002Findex.html\npip install sphinx\n\n# for theme\npip install sphinx_rtd_theme\n\n# for auto build\npip install sphinx_autobuild\n```\n\n## CONTRIBUTORS\n\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F0)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F0)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F1)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F1)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F2)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F2)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F3)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F3)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F4)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F4)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F5)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F5)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F6)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F6)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F7)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F7)\n\n","# 简单粗暴 TensorFlow 2 | A Concise Handbook of TensorFlow 2\n\n*基于Eager Execution | Based on Eager Execution*\n\n在线阅读 | Read online : https:\u002F\u002Ftf.wiki \n\n备用地址 | Alternative URL：https:\u002F\u002Fsnowkylin.github.io\u002Ftensorflow-handbook\u002F\n\n作者 | Author: [Xihan Li (snowkylin)](https:\u002F\u002Fsnowkylin.github.io), [Huan Li](https:\u002F\u002Fgithub.com\u002Fhuan), [Jinpeng Zhu](https:\u002F\u002Fgithub.com\u002Fdpinthinker)\n\n这是一本简明的 TensorFlow 2 入门指导手册，基于 Keras 和即时执行模式（Eager Execution），力图让具备一定机器学习及 Python 基础的开发者们快速上手 TensorFlow 2。\n\n本文的所有代码基于 TensorFlow 2.1 和 2.0 正式版。文中的所有示例代码可至 [这里](https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Ftree\u002Fmaster\u002Fsource\u002F_static\u002Fcode\u002Fzh) 获得。\n\nThis is a concise handbook of TensorFlow 2 based on Keras and Eager Execution mode, aiming to help developers with some basic machine learning and Python knowledge to get started with TensorFlow 2 quickly.\n\nThe code of this handbook is based on TensorFlow 2.0 and 2.1 stable version. All codes in the book can be found [here](https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Ftree\u002Fmaster\u002Fsource\u002F_static\u002Fcode\u002Fen).\n\nPDF下载（旧版） | PDF download (old version) : \n\n- (中文版 | Chinese): https:\u002F\u002Fdiscuss.tf.wiki\u002Ft\u002Ftopic\u002F23\n- (英文版 | English): https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Freleases\n\n教程在线答疑区 | Online Q&A area : \n\n- (中文 | Chinese): https:\u002F\u002Fdiscuss.tf.wiki\n- (英文 | English): https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fissues\n\n## DEVELOPING\n\n### Install\n\n> run `make install` for run all the follow commands.\n\n```sh\n# https:\u002F\u002Fwww.ibm.com\u002Fdeveloperworks\u002Fcn\u002Fopensource\u002Fos-sphinx-documentation\u002Findex.html\npip install sphinx\n\n# for theme\npip install sphinx_rtd_theme\n\n# for auto build\npip install sphinx_autobuild\n```\n\n## CONTRIBUTORS\n\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F0)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F0)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F1)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F1)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F2)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F2)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F3)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F3)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F4)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F4)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F5)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F5)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F6)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F6)\n[![contributor](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fimages\u002F7)](https:\u002F\u002Fsourcerer.io\u002Ffame\u002Fhuan\u002Fsnowkylin\u002Ftensorflow-handbook\u002Flinks\u002F7)","# tensorflow-handbook 快速上手指南\n\n## 环境准备\n\n本手册旨在帮助具备一定机器学习及 Python 基础的开发者快速上手 TensorFlow 2。\n\n*   **系统要求**：支持 Windows、macOS 或 Linux 系统。\n*   **前置依赖**：\n    *   Python 3.6+\n    *   已安装 `pip` 包管理工具\n    *   建议具备基础的机器学习概念知识\n*   **核心版本**：本指南代码基于 **TensorFlow 2.0** 和 **2.1** 正式版编写，推荐使用相同或更高兼容版本。\n\n## 安装步骤\n\n### 1. 安装 TensorFlow\n使用 pip 安装 TensorFlow（推荐配置国内镜像源以加速下载）：\n\n```bash\npip install tensorflow -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n若需验证安装是否成功，可运行以下命令：\n\n```python\nimport tensorflow as tf\nprint(tf.__version__)\n```\n\n### 2. 获取示例代码\n本手册所有示例代码均已开源，可直接克隆仓库获取：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook.git\n```\n\n中文示例代码位于：`source\u002F_static\u002Fcode\u002Fzh`\n英文示例代码位于：`source\u002F_static\u002Fcode\u002Fen`\n\n### 3. (可选) 本地构建文档\n如果你希望本地编译生成 HTML 文档，需要安装 Sphinx 及相关主题：\n\n```bash\n# 安装 Sphinx 核心\npip install sphinx -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n\n# 安装阅读主题\npip install sphinx_rtd_theme -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n\n# 安装自动构建工具\npip install sphinx_autobuild -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n\n# 进入项目目录并执行构建（参考项目 Makefile）\nmake install\n```\n\n## 基本使用\n\n本手册基于 **Keras API** 和 **Eager Execution（即时执行模式）**，无需会话（Session）即可直接运行代码。以下是一个最简单的线性回归示例：\n\n```python\nimport tensorflow as tf\nimport numpy as np\n\n# 1. 准备数据\nx_data = np.random.rand(100).astype(np.float32)\ny_data = x_data * 0.1 + 0.3\n\n# 2. 构建模型\nmodel = tf.keras.Sequential([\n    tf.keras.layers.Dense(units=1, input_shape=[1])\n])\n\n# 3. 编译模型\nmodel.compile(optimizer='sgd', loss='mse')\n\n# 4. 训练模型\nmodel.fit(x_data, y_data, epochs=5)\n\n# 5. 预测\nprint(model.predict([1.0]))\n```\n\n**在线学习资源：**\n*   中文版在线阅读：https:\u002F\u002Ftf.wiki\n*   备用地址：https:\u002F\u002Fsnowkylin.github.io\u002Ftensorflow-handbook\u002F\n*   中文答疑社区：https:\u002F\u002Fdiscuss.tf.wiki","某初创公司的算法工程师小李，需要在两周内基于 TensorFlow 2 快速构建并上线一个图像分类原型系统。\n\n### 没有 tensorflow-handbook 时\n- **版本迁移困难**：网上大量教程仍基于 TensorFlow 1.x 的静态图模式，代码中充斥着 `Session` 和复杂的图定义，导致直接复制运行报错，排查耗时极长。\n- **API 碎片化严重**：官方文档虽全但过于详尽，缺乏针对 Keras 高层 API 的连贯实战指引，小李在数据预处理、模型搭建和训练循环之间反复跳转查找，难以形成系统认知。\n- **调试效率低下**：由于不熟悉 Eager Execution（即时执行）特性，遇到维度不匹配或梯度消失问题时，无法像调试普通 Python 代码那样直接打印中间变量，只能盲目猜测。\n- **环境配置踩坑**：不同博客推荐的依赖版本混乱，常常出现安装了不兼容的 TensorFlow 版本，导致示例代码无法复现，起步阶段就耗费了三天时间。\n\n### 使用 tensorflow-handbook 后\n- **快速上手新版特性**：tensorflow-handbook 专注于 TensorFlow 2 的 Eager Execution 模式，提供的代码示例简洁直观，小李直接复用书中的“简明入门”章节，半天内就完成了环境搭建和第一个 Demo 运行。\n- **结构化实战指引**：手册按“数据加载 - 模型构建 - 训练评估 - 部署”的逻辑串联知识点，小李参照其中的 CNN 实战案例，迅速理清了从原始图片到最终预测的完整流水线。\n- **高效调试与验证**：书中强调利用即时执行模式进行调试，小李学会了直接在代码中插入 `print()` 检查张量形状和数值，将原本需要数小时的 Bug 定位时间缩短至几分钟。\n- **代码即插即用**：所有示例代码均基于稳定的 TF 2.1 版本且经过验证，小李直接将书中的数据增强和回调函数模块集成到自己的项目中，避免了重复造轮子和版本兼容性问题。\n\ntensorflow-handbook 通过提供基于最新特性的结构化实战指南，将开发者从繁琐的版本兼容和低效的文档检索中解放出来，实现了从“理论懂”到“代码跑通”的极速跨越。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsnowkylin_tensorflow-handbook_82450b02.png","snowkylin","Xihan Li","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fsnowkylin_8c402147.jpg","Ph.D. student in department of computer science, University College London, working on machine learning and optimization.","University College London","London","xihanli316@gmail.com","https:\u002F\u002Fsnowkylin.github.io","https:\u002F\u002Fgithub.com\u002Fsnowkylin",[82,86,90,94,98,102,106,110,113,116],{"name":83,"color":84,"percentage":85},"Jupyter Notebook","#DA5B0B",74.3,{"name":87,"color":88,"percentage":89},"Python","#3572A5",21.1,{"name":91,"color":92,"percentage":93},"Java","#b07219",2.6,{"name":95,"color":96,"percentage":97},"HTML","#e34c26",0.8,{"name":99,"color":100,"percentage":101},"JavaScript","#f1e05a",0.6,{"name":103,"color":104,"percentage":105},"Swift","#F05138",0.3,{"name":107,"color":108,"percentage":109},"Batchfile","#C1F12E",0.1,{"name":111,"color":112,"percentage":109},"Cython","#fedf5b",{"name":114,"color":115,"percentage":109},"Makefile","#427819",{"name":117,"color":118,"percentage":119},"CSS","#663399",0,3938,825,"2026-04-13T05:29:38",null,1,"","未说明",{"notes":128,"python":126,"dependencies":129},"本项目主要是一本基于 TensorFlow 2.0 和 2.1 的教程手册。若需构建文档，需安装 Sphinx 及相关主题插件（可通过 make install 一键安装）。示例代码基于 Keras 和即时执行模式（Eager Execution），适合具备一定机器学习和 Python 基础的开发者。",[130,131,132,133],"tensorflow>=2.0","sphinx","sphinx_rtd_theme","sphinx_autobuild",[14],"2026-03-27T02:49:30.150509","2026-04-18T09:20:10.307959",[138,143,148,153,158,163],{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},39140,"教程答疑区网页无法访问怎么办？","该问题通常是由于临时服务波动导致的。维护者在收到反馈后会进行修复，如遇无法访问情况，请稍后重试或关注项目更新通知。","https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fissues\u002F61",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},39136,"书中关于均方差损失函数的公式为什么是 1\u002F2 而不是 1\u002Fn？","使用 1\u002F2 是为了推导方便，这样求导后系数会变为 1（1\u002F2 * 2 = 1）。使用 1\u002Fn 也是可以的，但在样本数 n 固定的情况下，这不会影响优化结果。","https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fissues\u002F23",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},39137,"Android 示例代码在哪里可以找到？","Android 示例代码已移至以下路径，请前往查看：https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Ftree\u002Fmaster\u002Fsource\u002F_static\u002Fcode\u002Fzh\u002Fandroid","https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fissues\u002F29",{"id":154,"question_zh":155,"answer_zh":156,"source_url":157},39138,"是否有中文讨论区供学习者交流提问？","您可以直接在 GitHub Issues 中提问（鼓励使用英文但非强制），或者在 TensorFlow 官方微信公众号留言。维护者通常会在下一篇系列文章末尾回答部分问题。","https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fissues\u002F25",{"id":159,"question_zh":160,"answer_zh":161,"source_url":162},39139,"《Concise TensorFlow 2》这本书包含 TensorFlow 操作符（ops）和内核（kernels）的详细信息吗？","本书更像是一本面向初学者的教程，主要介绍如何使用 TensorFlow 编写基础的机器学习程序。如果您需要查询特定操作符或内核的详细信息，建议直接访问官方文档：https:\u002F\u002Fwww.tensorflow.org\u002Fapi_docs\u002Fpython\u002Ftf","https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fissues\u002F59",{"id":164,"question_zh":165,"answer_zh":166,"source_url":167},39135,"这本书有 PDF 版本可以下载吗？","目前部分章节仍在编写中，尚未发布完整的 PDF 版本。维护者计划在线版本基本完工后发布 PDF 版本，请耐心等待。","https:\u002F\u002Fgithub.com\u002Fsnowkylin\u002Ftensorflow-handbook\u002Fissues\u002F18",[]]