知识树
1、TensorFlow 2.x vs 1.x
- 1.1 TensorFlow发展历程
- 1.2 为什么要学习TensorFlow
- 1.3 TensorFlow 2.x vs 1.x
- 1.4 TensorFlow 2.0 变化
2、Eager Execution
- 2.1 Eager Execution优缺点
3、TensorFlow API
- 3.1 低层TensorFlow API
- 3.2 中层TensorFlow API
- 3.3 高层TensorFlow API
- 3.4 TensorFlow API 总结
4、资料来源

知识树

1、TensorFlow 2.x vs 1.x

1.1 TensorFlow发展历程

1.2 为什么要学习TensorFlow

开源生态成熟；
完整的部署流程；
产品化方案；

TensorFlow 1.X有哪些问题？

文档和接口混乱；
默认占用所有GPU的所有内存；
使用繁琐；
调试困难等；

1.3 TensorFlow 2.x vs 1.x

1.4 TensorFlow 2.0 变化

TensorFlow 2.0 推荐使用tf.keras、tf.data等高级库；

用Eager模式搭建原型；
用tf.data处理数据；
用tf.feature_column提取特征；
用tf.keras搭建模型；
用tf.saved_model打包模型；

2、Eager Execution

Eager模式就是类似于Python这样的命令式编程，写好程序之后，不需要编译，就可以直接运行，而且非常直观；

而之前的Session静态图模式则类似于C/C++的声明式编程，写好程序之后要先编译，然后才能运行；

Eager模式是在TF1.4版本之后引入的，在TF2.x的版本会把eager模式变为默认执行模式；

好处：

不需要编写完整的静态图；
调试不需要打开会话（Session）；
Python上调用它进行计算可以直接得出结果；
TensorFlow 2.x的入门会简单得多；

2.1 Eager Execution优缺点

优点：

eager模式提供了更直观的接口，可以像写Python代码一样写模型；
更方便调试；
自然的控制流程，像编写Python程序一样；

缺点：

通过graph构造的模型在分布式训练、性能优化以及线上部署上有优势；

推荐使用@tf.function（而非1.x中的tf.Session）实现Graph Execution，从而将模型转换为易于部署且高性能的TensorFlow图模型；

举个例子：

import tensorflow as tf
@tf.function
def simple_nn_layer(x, y):return tf.nn.relu(tf.matmul(x, y))x = tf.random.uniform((3,3))
y = tf.random.uniform((3,3))simple_nn_layer(x,y)

3、TensorFlow API

TensorFlow API一共可以分为三个层次，即低阶API、中阶API、高阶API：

第一层为Python实现的操作符，主要包括各种张量操作算子、计算图、自动微分；
第二层为Python实现的模型组件，对低级API进行了函数封装，主要包括各种模型层，损失函数，优化器，数据管道，特征列等等；
第三层为Python实现的模型成品，一般为按照OOP方式封装的高级API，主要为tf.keras.models提供的模型的类接口；

3.1 低层TensorFlow API

举个例子，看看各种API的具体使用：

import tensorflow as tfa = tf.constant([[1,2],[3,4]])
b = tf.constant([[5,6],[7,8]])# 标量计算
a+b  tf.math.add(a,b)
a-b  tf.math.subtract(a,b)
a*b  tf.math.multiply(a,b)
a/b  tf.math.divide(a,b)# 向量计算
a = tf.range(1,100)
tf.print(tf.reduce_sum(a))
tf.print(tf.reduce_mean(a))
tf.print(tf.reduce_max(a))
tf.print(tf.reduce_min(a))
tf.print(tf.reduce_prod(a))

3.2 中层TensorFlow API

举个例子，如下所示：

a = tf.random.uniform(shape=(10,5), minval=0, maxval=10)  # 矩阵
tf.nn.softmax(a)  # softmax操作a = tf.random.uniform(shape(10,5), minval=-0.5, maxval=-0.5)  # 矩阵
b = tf.keras.layers.Dense(10)(a)  # 全连接层
b = tf.nn.softmax(b)  # softmax操作a = tf.random.uniform(shape=(10,100,50), minval=-0.5, maxval=-0.5)  # 矩阵
b = tf.keras.LSTM(100)(a)  # LSTM层
b = tf.keras.layers.Dense(b)  # 全连接层
b = tf.nn.softmax(b)  # softmax操作

3.3 高层TensorFlow API

tensorflow.keras.models
建模方式有三种：

Sequential办法；
函数式API方法；
Model子类化自定义模型

如何构建模型将会在后面详细介绍，下面我们举个例子：

import tensorflow as tf# 随机初始化输入X和输出y
X = tf.random.uniform(shape=(10,100,50),minval=-0.5,maxval=0.5)
y = tf.random.categorical(tf.random.uniform(shape=(10.3),minval=-0.5,maxval=-0.5),2)# 构造模型
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.LSTM(100,input_shape=(100,50)))
model.add(tf.keras.layers.Dense(10))
model.add(tf.keras.layers.Dense(2,activation='softmax'))model.compilc(optimizer='adam',loss='categorical crossentropy',metrics=['accuracy'])model.summary()
model.fit(X,y)

3.4 TensorFlow API 总结

上图中的tf.data用于构造数据，Keras用于构造模型的层，接着用CPU、GPU、TPU进行加速训练，对训练结果使用TensorBoard进行可视化，可以对模型进行保存（Saved model），TensorFlow HUb的作用是模型复用，Deployment的作用是模型部署。

4、资料来源

深度之眼课程——《TensorFlow》

TensorFlow 2.0简介相关推荐

简单粗暴上手TensorFlow 2.0，北大学霸力作，必须人手一册！
(图片付费下载自视觉中国) 整理 | 夕颜出品 | AI科技大本营(ID:rgznai100) [导读] TensorFlow 2.0 于近期正式发布后,立即受到学术界与科研界的广泛关注与好评.此前 ...
资源|2019 年 11 月最新《TensorFlow 2.0 深度学习算法实战》中文版教材免费开源（附随书代码+pdf）...
点击上方"AI遇见机器学习",选择"星标"公众号重磅干货,第一时间送 2019 年 10 月,谷歌正式宣布,开源机器学习库 TensorFlow 2.0 现在 ...
DL框架之TensorFlow：深度学习框架TensorFlow Core(低级别TensorFlow API)的简介、安装、使用方法之详细攻略
DL框架之TensorFlow:TensorFlow Core(低级别TensorFlow API)的简介.安装.使用方法之详细DL框架之TensorFlow:深度学习框架TensorFlow Cor ...
TensorFlow：深度学习框架TensorFlow TensorFlow_GPU的简介、安装、测试之详细攻略
TensorFlow:深度学习框架TensorFlow & TensorFlow_GPU的简介.安装.测试之详细攻略目录 TensorFlow的简介 TensorFlow的安装 1.tens ...
Github标星8.3k+，Tensorflow 2.0的代码实现及教学材料（“龙书”）公布下载了！
本文推荐一个热门的Tensorflow 2.0的学习项目,提供pdf和代码,github上标星8.3k+ Github地址: https://github.com/dragen1860/Deep-Le ...
官方文档太辣鸡？TensorFlow 2.0开源工具书，30天「无痛」上手
本文转载自机器之心. 项目作者:lyhue1991 「官方文档排布凌乱.搜索难用.API 丑陋不堪--」这是很多人对 TensorFlow 官方文档的吐槽.但吐槽归吐槽,到了工业界,你是无论如何也绕不 ...
TensorFlow 2.0 快速入门指南 | iBooker·ApacheCN
原文:TensorFlow 2.0 Quick Start Guide 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译不要担心自己的形象,只关心如何实现目标.--<原则>,生活 ...
如何简单粗暴地上手 TensorFlow 2.0？
整理 | 夕颜出品 | AI科技大本营(ID:rgznai100) [导读] TensorFlow 2.0 于近期正式发布后,立即受到学术界与科研界的广泛关注与好评.此前,我们曾特邀专家回顾了 Te ...
简单粗暴上手TensorFlow 2.0，北大学霸力作，必须人手一册
[导读] TensorFlow 2.0 于近期正式发布后,立即受到学术界与科研界的广泛关注与好评.此前,AI 科技大本营曾特邀专家回顾了 TensorFlow 2.0 从初版到最新版本的发展史.今天, ...

TensorFlow 2.0简介

目录

知识树