大家好，今天我们学习【马上学tensorflow2.0】之 TensorFlow 2.0 变化、特征、新框架和工作流

Tensorflow是当前最受欢迎的机器学习框架， 无论是成熟的Keras，还是风头正盛的pytorch， 它的地位似乎总是无法被撼动。 2019年，Tensorflow 2.0正式入场， 专注于简单性和易用性， 接下来，我们看一下tensorflow2.0的变化。

我们 马上学三点 ，

1. TensorFlow 2.0主要变化概述
2. TensorFlow 2.0三大特征
3. tensorflow2.0 框架和工作流

大家可以点击下面的“ 了解更多 ”，或搜索“ 马上学123 ”，在线观看PPT讲义。

tensorflow2.0

TensorFlow 2.0主要变化概述

如果说两代Tensorflow有什么根本不同， 那应该就是Tensorflow 2.0更注重使用的低门槛， 旨在让每个人都能应用机器学习技术。 它可能会成为机器学习框架的又一个重要里程碑。

它的变化很大，不是简单的升级， 就像是Linux系统到苹果mac系统一样的巨大变化， 熟悉Tensorflow的老用户可以尽早转变思维， 适应新版本的变化。 而新手也可以直接以Tensorflow 2.0的方式思考， 目前网上的资料、tensorflow书籍大多数都是tensorflow1.x的， 它们的代码基本已经不可以在Tensorflow 2.0上运行， 所以学习的时候要找2019年的tensorflow2.0资料。

TensorFlow 2.0主要变化概述

• Tensorflow 2.0的核心功能是 动态图机制Eager execution。 它允许用户像正常程序一样去编写、调试模型， 使TensorFlow更易于学习和应用。
• Keras 成为 TensorFlow 的高级 API， 可以轻松构建模型。keras本身也是很热门的机器学习框架。
• 支持更多平台、更多语言, 在任意平台上实现生产环境的稳健模型部署
• 通过清理废弃的API和减少重复来简化API 甚至连tf.contrib已被弃用， 功能已迁移到核心TensorFlow API、tensorflow/addons插件或完全删除。

如果你在这之前从没接触过Tensorflow， 你是幸运的，让我们从零开始。 但是，如果你和我们一样是从最早版本用起的， 那么你就可能得重写所有代码库， 虽然官方说会发布转换工具方便老用户， 但这种工具肯定有很多bug，需要一定的手动干预。

现在，你必须开始转变思维模式。

TensorFlow 2.0 三大特征

• 第一，易用性， 使用 tf.keras 作为高级 API， 且将 Eager execution 作为默认模式。
• 第二，简洁性， 删除了重复的功能， 并且不同 API 的调用语法也变得一致、直观，同时它的兼容性更加完善。
• 第三，灵活性， 提供了完整的低级API， 并可以在 tf.raw_ops 中访问内部操作， 同时还提供了变量、checkpoint 以及层的可继承接口。

tensorflow2.0 框架

TensorFlow 2.0 支持从训练到部署的机器学习工作流， 其新架构的简化概念图如下所示：

tensorflow2.0 框架

tensorflow2.0 工作流

其工作流如下图所示：

tensorflow2.0 工作流

1. 先使用tf.data创建的输入管道读取训练数据；
2. 然后使用tf.keras或Estimators 构建、训练和验证模型；
3. 接着用eager execution 进行运行和调试；
4. 再使用Distribution Strategy API 在不更改模型定义的情况下，基于 CPU、GPU 等不同硬件配置上分布和训练模型；
5. 最后将模型导出到SavedModel 保存。

总结：

• Tensorflow 2.0更注重使用的低门槛，变化很大；
• 动态图机制、Keras成为高级API、 支持更多平台、更多语言、简化API
• 易用性、简洁性、灵活性

---

这里讲了三点，关键词有哪几个？

提问！tensorflow2.0和pytorch你更喜欢哪个呢？

欢迎回复评论