如果环境加载成功，会在软件右下角看到相应的环境的名称"tf2"。同时写一个测试案列，验证tensorflow是否能导入成功，具体代码如下。结果能够正常打印tensorflow的版本，表明环境加载成功。如果以上软件正确安装并且anaconda环境配置没问题，就可以愉快的开始学习之旅了。对于人工智能来讲，最重要的就是运行环境的搭建。在python编译器里，导入tensorflow如果没有报错则安装成功

通过数据训练模型，使系统自动改进性能分类输入数据与标签对应（如分类、回归）无监督学习：无标签数据（如聚类、降维）半监督学习：结合少量标签与大量无标签数据。强化学习（RL）：通过试错与奖励机制学习策略（如AlphaGo）

batch_size:每个批次打包的图像数量，img_height，img_width图像高度和宽度。

通过数据训练模型，使系统自动改进性能分类输入数据与标签对应（如分类、回归）无监督学习：无标签数据（如聚类、降维）半监督学习：结合少量标签与大量无标签数据。强化学习（RL）：通过试错与奖励机制学习策略（如AlphaGo）

通过数据训练模型，使系统自动改进性能分类输入数据与标签对应（如分类、回归）无监督学习：无标签数据（如聚类、降维）半监督学习：结合少量标签与大量无标签数据。强化学习（RL）：通过试错与奖励机制学习策略（如AlphaGo）

通过数据训练模型，使系统自动改进性能分类输入数据与标签对应（如分类、回归）无监督学习：无标签数据（如聚类、降维）半监督学习：结合少量标签与大量无标签数据。强化学习（RL）：通过试错与奖励机制学习策略（如AlphaGo）