Tensor là gì? TensorFlow là gì?

🧮 1. Tensor là gì?

Một tensor là một cấu trúc dữ liệu dùng để lưu trữ giá trị số (giống như mảng, ma trận) với nhiều chiều.

🔍 2. Xem thông tin tensor

import tensorflow as tf

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

print("Tensor:n", t)
print("Shape:", t.shape)       # (2, 3)
print("Rank:", tf.rank(t))     # 2
print("Dtype:", t.dtype)       # int32

🧠 3. Tạo các loại tensor

# Tạo từ giá trị cụ thể
a = tf.constant([1, 2, 3])        # rank 1
b = tf.constant([[1.0, 2.0], [3.0, 4.0]])  # rank 2

# Tạo tensor zeros hoặc ones
zeros = tf.zeros([2, 3])
ones = tf.ones([3, 3])

# Tạo tensor ngẫu nhiên
rand = tf.random.uniform([2, 2])

🔧 4. Thao tác phổ biến

# Reshape
x = tf.reshape(tf.range(9), (3, 3))  # từ [0...8] thành (3,3)

# Truy cập phần tử
print(x[0, 1])  # phần tử dòng 0, cột 1

# Cộng, trừ, nhân
a = tf.constant([[1, 2], [3, 4]])
b = tf.constant([[5, 6], [7, 8]])
print(tf.add(a, b))
print(tf.matmul(a, b))  # nhân ma trận

🎯 5. Áp dụng thực tế

Giả sử bạn có một bức ảnh màu RGB kích thước 64x64:

image = tf.random.uniform(shape=(64, 64, 3))  # 3 kênh màu
print(image.shape)  # (64, 64, 3)

Với 100 bức ảnh như vậy, bạn sẽ có tensor 4 chiều:

batch = tf.random.uniform(shape=(100, 64, 64, 3))
print(batch.shape)  # (100, 64, 64, 3)

📌 Tổng kết

TensorFlow là một thư viện mã nguồn mở mạnh mẽ do Google phát triển, dùng để xây dựng và huấn luyện các mô hình học máy (machine learning) và học sâu (deep learning). Dưới đây là hướng dẫn chi tiết cho người mới bắt đầu:

🔰 1. TensorFlow là gì?

• TensorFlow là framework giúp bạn dễ dàng xây dựng, huấn luyện, đánh giá và triển khai các mô hình ML/DL.
• Hỗ trợ cả CPU lẫn GPU.
• Viết bằng Python (có hỗ trợ C++, JavaScript, Swift...).

⚙️ 2. Cài đặt TensorFlow

pip install tensorflow

✅ Nếu dùng GPU:

pip install tensorflow-gpu

Bạn nên cài trong môi trường ảo (virtualenv hoặc conda).

📦 3. Cấu trúc cơ bản

import tensorflow as tf

# Tạo một tensor
a = tf.constant([[1, 2], [3, 4]])
print(a)

# Tính toán đơn giản
b = tf.constant([[5, 6], [7, 8]])
c = tf.add(a, b)
print(c)

🧠 4. Một mô hình đơn giản (Keras API – dễ dùng)

Ví dụ phân loại số viết tay MNIST:

import tensorflow as tf
from tensorflow.keras import layers, models

# Tải dữ liệu MNIST
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
x_train = x_train / 255.0  # Chuẩn hóa
x_test = x_test / 255.0

# Xây dựng mô hình
model = models.Sequential([
    layers.Flatten(input_shape=(28, 28)),
    layers.Dense(128, activation='relu'),
    layers.Dropout(0.2),
    layers.Dense(10, activation='softmax')
])

# Biên dịch và huấn luyện
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

📘 5. Nên học gì tiếp theo?

🛠 6. Tài nguyên học tập

• TensorFlow.org – Trang chính thức
• Google Colab – Viết code không cần cài đặt gì
• Kaggle – Có notebook + dữ liệu thật
• YouTube: TensorFlow, freeCodeCamp, deeplearning.ai...

• TensorFlow
• Tensor