067、Python深度学习入门：TensorFlow/Keras简介

067、Python深度学习入门：TensorFlow/Keras简介

从一次深夜调试说起

上周三凌晨两点，我盯着屏幕上这个报错已经半小时了：

ValueError: Input 0 of layer "sequential" is incompatible with the layer: expected shape=(None, 784), found shape=(None, 28, 28)

问题出在哪里？一个简单的MNIST手写数字识别模型，数据预处理时少了一步reshape操作。这种“形状不匹配”的错误在TensorFlow/Keras开发中太常见了，今天我们就从这些实战细节切入，聊聊深度学习入门那些事。

为什么选择TensorFlow/Keras？

如果你刚接触深度学习，面对PyTorch、TensorFlow、MXNet这些框架可能会眼花缭乱。我的建议很直接：从Keras开始。为什么？

Keras现在是TensorFlow的高级API，它把复杂的底层细节封装成了简洁的接口。就像开车不需要懂发动机原理一样，初学者先用Keras把模型跑起来，建立直观感受更重要。等遇到性能瓶颈或需要定制化时，再深入TensorFlow底层。

环境搭建的坑