TensorFlow环境配置完成后，本章将介绍用于构建和训练机器学习模型的必要基本构建块。我们将讲解主要数据结构——张量（Tensor），以及主要操作和像自动微分这样的要点。

具体来说，您将学会：

• 定义并理解 TensorFlow 张量，包括它们的属性，例如形状（例如，$(batch\_size, features)$）和数据类型（$dtype$）。
• 执行张量的多种操作，从基本算术到矩阵运算。
• 使用 tf.Variable 来管理可变状态，对于保存训练期间会变化的模型参数非常重要。
• 使用自动微分通过 tf.GradientTape 计算梯度，这是模型优化背后的机制。
• 将 Python 函数转换为优化后的 TensorFlow 图，以提升性能，使用 tf.function。

掌握这些要点为有效使用 TensorFlow 的更高级别 API 提供了必要的知识储备，我们将在后续章节中介绍。