想学 AI 但不知从何下手？别担心，这篇教程会带你一步步装好工具，并跑通第一个简单的模型。你只需要一台能上网的电脑，跟着做就行。

准备环境：装好 Python 和 Jupyter

AI 开发最常用的语言是 Python（一种容易学的编程语言）。你需要先安装它。

• 打开浏览器，访问 Python 官网 python.org/downloads，下载最新版（推荐 3.10 或更高）。
• 安装时记得勾选“Add Python to PATH”（把 Python 加入系统路径），否则后面可能找不到命令。
• 安装完成后，打开命令提示符（Windows 按 Win+R 输入 cmd，Mac 打开终端），输入 python --version，看到版本号就说明成功了。

接下来安装 Jupyter Notebook（一个写代码的交互式笔记本）。在命令提示符里输入：

• pip install jupyter（pip 是 Python 的包管理器，自动下载安装）。
• 等几分钟，安装完成后输入 jupyter notebook，浏览器会自动打开一个页面，这就是你的编程环境。

安装 AI 库：TensorFlow 和 Keras

现在装核心的 AI 库。TensorFlow 是 Google 开发的 AI 框架，Keras 是它的高级接口，让写模型更简单。

• 在 Jupyter 里新建一个 Notebook（点右上角 New → Python 3）。
• 在第一个代码单元格里输入：!pip install tensorflow，然后按 Shift+Enter 运行，等待安装完成。
• 安装成功后，再输入 import tensorflow as tf，没有报错就说明库已经装好了。

跑通第一个模型：手写数字识别

我们用经典的 MNIST 数据集（手写数字图片）训练一个简单的识别模型。复制下面代码到新单元格并运行：

1. mnist = tf.keras.datasets.mnist 加载数据集。
2. (x_train, y_train), (x_test, y_test) = mnist.load_data() 分成训练和测试数据。
3. x_train, x_test = x_train / 255.0, x_test / 255.0 把像素值缩放到 0~1 之间。
4. 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) ]) 搭建一个简单的神经网络。
5. model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy']) 配置模型。
6. model.fit(x_train, y_train, epochs=5) 训练 5 轮。
7. model.evaluate(x_test, y_test) 在测试集上评估，正确率大约 97%。

看到输出里 accuracy 接近 0.97 就说明你成功跑通了第一个 AI 模型！

下一步可以做什么

• 试着改改 epochs（训练轮数）看准确率变化。
• 用自己画的数字图片来测试模型（需要安装 PIL 库）。
• 学习更多教程，比如用 TensorFlow 做图片分类、文本分析等。

恭喜你入门了 AI！