《30天吃掉那只 TensorFlow2.0》 开篇辞（Tensorflow 学习之路）
Posted 风信子的猫Redamancy
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了《30天吃掉那只 TensorFlow2.0》 开篇辞（Tensorflow 学习之路）相关的知识，希望对你有一定的参考价值。
《30天吃掉那只 TensorFlow2.0 》开篇辞 🔥🔥
文章目录
除了学习pytorch之外，我还想写一个专栏，参考一下《30天吃掉那只 TensorFlow2.0 》进行学习，学习tensorflow2
一，TensorFlow2 🍎 还是 Pytorch🔥
先说结论:
如果是工程师，应该优先选TensorFlow2.
如果是学生或者研究人员，应该优先选择Pytorch.
如果时间足够，最好TensorFlow2和Pytorch都要学习掌握。
理由如下：
-
1，在工业界最重要的是模型落地，目前国内的大部分互联网企业只支持TensorFlow模型的在线部署，不支持Pytorch。 并且工业界更加注重的是模型的高可用性，许多时候使用的都是成熟的模型架构，调试需求并不大。
-
2，研究人员最重要的是快速迭代发表文章，需要尝试一些较新的模型架构。而Pytorch在易用性上相比TensorFlow2有一些优势，更加方便调试。 并且在2019年以来在学术界占领了大半壁江山，能够找到的相应最新研究成果更多。
-
3，TensorFlow2和Pytorch实际上整体风格已经非常相似了，学会了其中一个，学习另外一个将比较容易。两种框架都掌握的话，能够参考的开源模型案例更多，并且可以方便地在两种框架之间切换。
对于我来说，除了学习pytorch之外，我还想花时间学习一下tensorflow
二，Keras🍏 和 tf.keras 🍎
先说结论：
Keras库在2.3.0版本后将不再更新，用户应该使用tf.keras。
Keras可以看成是一种深度学习框架的高阶接口规范，它帮助用户以更简洁的形式定义和训练深度学习网络。
使用pip安装的Keras库同时在tensorflow,theano,CNTK等后端基础上进行了这种高阶接口规范的实现。
而tf.keras是在TensorFlow中以TensorFlow低阶API为基础实现的这种高阶接口，它是Tensorflow的一个子模块。
tf.keras绝大部分功能和兼容多种后端的Keras库用法完全一样，但并非全部，它和TensorFlow之间的结合更为紧密。
随着谷歌对Keras的收购，Keras库2.3.0版本后也将不再进行更新，用户应当使用tf.keras而不是使用pip安装的Keras.
其实keras也一直有更新，但是有时候经常出现版本不兼容的问题，所以建议利用tf.ersa更好
三，本书📖面向读者 👼
本书假定读者有一定的机器学习和深度学习基础，使用过Keras或者Tensorflow1.0或者Pytorch搭建训练过模型。
对于没有任何机器学习和深度学习基础的同学，建议在学习本书时同步参考学习《Python深度学习》一书。
《Python深度学习》这本书是Keras之父Francois Chollet所著，该书假定读者无任何机器学习知识，以Keras为工具，
使用丰富的范例示范深度学习的最佳实践，该书通俗易懂，全书没有一个数学公式，注重培养读者的深度学习直觉。。
该书电子版下载链接：https://pan.baidu.com/s/1-4q6VjLTb3ZxcefyNCbjSA 提取码：wtzo
四，本书写作风格 🍉
本书是一本对人类用户极其友善的TensorFlow2.0入门工具书，不刻意恶心读者是本书的底限要求，Don’t let me think是本书的最高追求。
本书主要是在参考TensorFlow官方文档和函数doc文档基础上整理写成的。
但本书在篇章结构和范例选取上做了大量的优化。
不同于官方文档混乱的篇章结构，既有教程又有指南，缺少整体的编排逻辑。
本书按照内容难易程度、读者检索习惯和TensorFlow自身的层次结构设计内容，循序渐进，层次清晰，方便按照功能查找相应范例。
不同于官方文档冗长的范例代码，本书在范例设计上尽可能简约化和结构化，增强范例易读性和通用性，大部分代码片段在实践中可即取即用。
如果说通过学习TensorFlow官方文档掌握TensorFlow2.0的难度大概是9的话，那么通过学习本书掌握TensorFlow2.0的难度应该大概是3.
谨以下图对比一下TensorFlow官方教程与本教程的差异。
五，本书学习方案 ⏰
1，学习计划
本书是作者利用工作之余和疫情放假期间大概2个月写成的，大部分读者应该在30天可以完全学会。
预计每天花费的学习时间在30分钟到2个小时之间。
当然，本书也非常适合作为TensorFlow的工具手册在工程落地时作为范例库参考。
点击学习内容蓝色标题即可进入该章节。
2，学习环境
本书全部源码在jupyter中编写测试通过，建议通过git克隆到本地，并在jupyter中交互式运行学习。
为了直接能够在jupyter中打开markdown文件，建议安装jupytext，将markdown转换成ipnb。
#克隆本书源码到本地
#!git clone https://github.com/lyhue1991/eat_tensorflow2_in_30_days
#建议在jupyter notebook 上安装jupytext，以便能够将本书各章节markdown文件视作ipynb文件运行
#!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U jupytext
#建议在jupyter notebook 上安装最新版本tensorflow 测试本书中的代码
#!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U tensorflow
import tensorflow as tf
#注：本书全部代码在tensorflow 2.1版本测试通过
tf.print("tensorflow version:",tf.__version__)
a = tf.constant("hello")
b = tf.constant("tensorflow2")
c = tf.strings.join([a,b]," ")
tf.print(c)
tensorflow version: 2.1.0
hello tensorflow2
以上是关于《30天吃掉那只 TensorFlow2.0》 开篇辞（Tensorflow 学习之路）的主要内容，如果未能解决你的问题，请参考以下文章
《30天吃掉那只 TensorFlow2.0》 5-1 数据管道Dataset
《30天吃掉那只 TensorFlow2.0》 5-1 数据管道Dataset
《30天吃掉那只 TensorFlow2.0》 5-1 数据管道Dataset
《30天吃掉那只 TensorFlow2.0》 3-1 低阶API示范