TensorFlow推出2.0版本后,TF2.0相比于1.x版本默认使用Keras、Eager Execution、支持跨平台、简化了API等。这次更新使得TF2.0更加的接近PyTorch,一系列烦人的概念将一去不复返。本文推荐一位大神写的TF2.0的样例代码,推荐参考。
Github地址(32000+star):
https://github.com/aymericdamien/TensorFlow-Examples
TensorFlow 2.0示例代码地址:
https://github.com/aymericdamien/TensorFlow-Examples/tree/master/tensorflow_v2
TensorFlow 2.0示例目录
0 - 先决条件
-
机器学习简介。
-
MNIST数据集简介。
1 - 简介
-
Hello World。非常简单的例子,学习如何使用TensorFlow 2.0打印“hello world”。
-
基本操作。一个涵盖TensorFlow 2.0基本操作的简单示例。
2 - 基础模型
-
线性回归。使用TensorFlow 2.0实现线性回归。
-
Logistic回归。使用TensorFlow 2.0实现Logistic回归。
3 - 神经网络
-
监督学习
-
简单神经网络。使用TensorFlow 2.0'层'和'模型'API构建一个简单的神经网络来对MNIST数字数据集进行分类。
-
简单神经网络(初级)。原始实现简单的神经网络以对MNIST数字数据集进行分类。
-
卷积神经网络。使用TensorFlow 2.0'Layer'和'Model'API构建卷积神经网络,以对MNIST数字数据集进行分类。
-
卷积神经网络(初级)。原始实现卷积神经网络以对MNIST数字数据集进行分类。
-
无监督学习
-
自动编码器。构建自动编码器以将图像编码为较低维度并重新构建它。
-
DCGAN(Deep Convolutional Generative Adversarial Networks)。构建深度卷积生成对抗网络(DCGAN)从噪声生成图像。
4 - 通用工具
-
保存并恢复模型。使用TensorFlow 2.0保存和恢复模型。
-
构建自定义图层和模块。了解如何构建自己的'Layer'和'模块并将其集成到TensorFlow 2.0模型中。
安装TensorFlow 2.0
要安装TensorFlow 2.0,只需运行:
pip install tensorflow==2.0.0b1
或(如果您需要GPU支持):
pip install tensorflow_gpu==2.0.0b1
总结
本文推荐了一个github上32000+star的TensorFlow代码示例的仓库,仓库包含了TensorFlow2.0的代码示例,推荐下载学习。