五湖四海娱乐澳&
机器之心编辑
机器之心编辑部
今年 3 月份，谷歌在 Tensorflow Developer Summit 2019 大会上发布 TensorFlow 2.0 Alpha 版。作为当前最为流行的深度学习框架，2.0 Alpha 版的正式发布引人关注。近两个月，网上已经出现了大量 TensorFlow 2.0 英文教程。在此文章中，机器之心为大家推荐一个持续更新的中文教程，以便大家学习。
虽然，自 2.0 发布以来，我们总是能够听到「TensorFlow 2.0 就是 keras」、「说的很好，但我用 PyTorch」类似的吐槽。但毋庸置疑，TensorFlow 依然是当前最主流的深度学习框架（感兴趣的读者可查看机器之心文章：）。
整体而言，为了吸引用户，TensorFlow 2.0 从简单、强大、可扩展三个层面进行了重新设计。特别是在简单化方面，TensorFlow 2.0 提供更简化的 API、注重 Keras、结合了 Eager execution。
过去一段时间，机器之心为大家编译介绍了部分英文教程，例如：
此文章中，机器之心为大家推荐一个持续更新的中文教程，方便大家更系统的学习、使用 TensorFlow 2.0 ：
- 知乎专栏地址：https://zhuanlan.zhihu.com/c_1091021863043624960
- Github 项目地址：https://github.com/czy36mengfei/tensorflow2_tutorials_chinese
该教程是 NLP 爱好者 Doit 在知乎上开的一个专栏，由作者从 TensorFlow2.0 官方教程的个人学习复现笔记整理而来。作者将此教程分为了三类：TensorFlow 2.0 基础教程、TensorFlow 2.0 深度学习实践、TensorFlow 2.0 基础网络结构。
以基础教程为例，作者整理了 Keras 快速入门教程、eager 模式、Autograph 等。目前为止，该中文教程已经包含 20 多篇文章，作者还在持续更新中，感兴趣的读者可以 follow。
该中文教程当前目录
以下是作者整理的「Keras 快速入门」教程内容。
Keras 快速入门
Keras 是一个用于构建和训练深度学习模型的高阶 API。它可用于快速设计原型、高级研究和生产。
keras 的 3 个优点： 方便用户使用、模块化和可组合、易于扩展
1. 导入 tf.keras
tensorflow2 推荐使用 keras 构建网络，常见的神经网络都包含在 keras.layer 中 (最新的 tf.keras 的版本可能和 keras 不同)
importtensorflow astf
fromtensorflow.keras importlayers
print(tf.__version__)
print(tf.keras.__version__)
2. 构建简单模型
2.1 模型堆叠
最常见的模型类型是层的堆叠：tf.keras.Sequential 模型
model = tf.keras.Sequential()
model.add(layers.Dense( 32, activation= 'relu'))
model.add(layers.Dense( 32, activation= 'relu'))
model.add(layers.Dense( 10, activation= 'softmax'))
2.2 网络配置
tf.keras.layers 中网络配置：
- activation：设置层的激活函数。此参数由内置函数的名称指定，或指定为可调用对象。默认情况下，系统不会应用任何激活函数。