想学AI但不知道从哪下手？别担心，这篇文章会带你一步步搭建环境，并运行你的第一个神经网络。整个过程不需要任何AI基础，跟着做就行。

准备环境：安装Python

首先，我们需要Python（一种编程语言，AI开发最常用的工具）。去Python官网下载最新版（建议3.8以上）。安装时记得勾选“Add Python to PATH”（把Python加入系统路径），这样后面用起来更方便。

安装TensorFlow：AI的核心库

接下来安装TensorFlow（一个开源的AI框架，帮你快速搭建神经网络）。打开终端（Windows按Win+R输入cmd，Mac打开“终端”），输入以下命令：

1. pip install tensorflow（按下回车，等待安装完成）
2. 如果提示“pip不是内部命令”，说明Python没装好，重新安装并勾选“Add to PATH”。
3. 安装成功后，输入python -c "import tensorflow as tf; print(tf.__version__)"，如果显示版本号（比如2.12.0），就说明安装成功。

跑通第一个神经网络

现在我们来写一个简单的神经网络，识别手写数字（经典的MNIST数据集）。新建一个文件，比如first_nn.py，复制以下代码：

import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10)
])
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test, verbose=2)

然后在终端运行：python first_nn.py。你会看到训练过程，最后输出测试准确率（大概97%）。恭喜！你已经跑通了第一个神经网络。

下一步可以做什么

• 尝试修改epochs（训练轮数）看准确率变化。
• 用自己图片测试：网上搜“mnist 图片 测试”下载一张，用model.predict()识别。
• 学习更多AI知识：推荐搜索“TensorFlow 官方教程”或“入门深度学习”。