简单粗暴 TensorFlow 2.0 | A Concise Handbook of TensorFlow 2.0

这是一本简明的 TensorFlow 2.0 入门指导手册，基于 Keras 和 Eager Execution（即时运行）模式，力图让具备一定机器学习及Python基础的开发者们快速上手TensorFlow 2.0。

本手册的所有代码基于 TensorFlow 2.0 正式版及 beta1 版本。文中的所有示例代码可至 获得。

本手册正于TensorFlow官方微信公众号（TensorFlow_official）连载，可点此查看 连载文章目录 。本手册的英文版仍在翻译中。请访问 以查看本手册上一版的英文版。本手册是 Google Summer of Code 2019 项目之一。

GitHub： https://github.com/snowkylin/tensorflow-handbook

This is a concise handbook of TensorFlow 2.0 based on Keras and Eager Execution mode, aiming to help developers with some basic machine learning and Python knowledge to get started with TensorFlow 2.0 quickly.

The code of this handbook is based on TensorFlow 2.0 stable version or beta1 version. All sample code in this handbook can be viewed .

The English version of this handbook is still in progress. Please refer to https://v1.tf.wiki for the eariler version. This handbook is a project of Google Summer of Code 2019.

GitHub：

目录

• 前言
  • 如何使用本书
• TensorFlow概述
  • 开发者和工程师：模型的调用与部署

基础

• TensorFlow安装与环境配置
  • GPU版本TensorFlow安装指南
    • NVIDIA驱动程序的安装
  • 第一个程序
  • TensorFlow所需的硬件配置 *
• • TensorFlow 1+1
  • 基础示例：线性回归
    • TensorFlow下的线性回归
• • 模型（Model）与层（Layer）
  • • 数据获取及预处理：
    • 模型的训练： tf.keras.losses 和 tf.keras.optimizer
  • 卷积神经网络（CNN）
    • 使用Keras中预定义的经典卷积神经网络结构
  • 深度强化学习（DRL）
  • • Keras Sequential/Functional API 模式建立模型
  • 自定义层、损失函数和评估指标 *
    • 自定义损失函数和评估指标
• • tf.train.Checkpoint ：变量的保存与恢复
  • tf.data ：数据集的构建与预处理
    • 数据集对象的预处理
  • @tf.function ：Graph Execution模式 *
    • @tf.function 内在机制
    • 使用传统的 tf.Session
  • tf.config：GPU的使用与分配 *
    • 设置显存使用策略

• TensorFlow模型导出
  • Keras Sequential save方法（Jinpeng）
• • TensorFlow Serving安装
  • • Keras Sequential模式模型的部署
  • 在客户端调用以TensorFlow Serving部署的模型
    • Node.js客户端示例（Ziyang）
• • 模型转换
  • Quantization模型转换
• TensorFlow in JavaScript（Huan）
  • • 浏览器中使用 TensorFlow.js 的优势
  • TensorFlow.js 环境配置
    • 在 Node.js 中使用 TensorFlow.js
  • TensorFlow.js 模型部署
    • 使用 TensorFlow.js 模型库

大规模训练与加速

• TensorFlow分布式训练
  • 多机训练：
• • TPU 简介
    • 为什么使用 TPU
  • TPU 环境配置
  • TPU 基础使用

扩展

• TensorFlow Datasets 数据集载入
• • S4TF 简介
  • S4TF 环境配置
    • 在 Colaboratory 中快速体验 Swift for Tensorflow
  • S4TF 基础使用
    • 在 Swift 中直接加载 Python 语言库
    • MNIST数字分类
• • TensorFlow.jl 简介
  • TensorFlow.jl 环境配置
    • 在 julia 包管理器中安装 TensorFlow.jl
  • • MNIST数字分类

附录

• • TensorFlow 1+1
• 使用Docker部署TensorFlow环境
• • 在Colab中使用TensorFlow
  • • 在Compute Engine建立带GPU的实例并部署TensorFlow
  • 在阿里云上使用 GPU 实例运行 Tensorflow（Ziyang）
• TensorFlow性能优化
• 术语中英对照表

答疑区

• （中文）TensorFlow中文社区“简单粗暴TensorFlow”版面： （中文的疑问和建议请来此处，将以中文回答和讨论。欢迎使用中文的开发者们前来TensorFlow中文社区交流讨论）

• （英文）https://github.com/snowkylin/tensorflow-handbook/releases （英文的疑问或建议可在GitHub issue中提出，会以英文回答）

PDF下载（旧版）：

• 中文版： （同时也有英文版下载）

• 英文版：https://github.com/snowkylin/tensorflow-handbook/releases

GitHub:

• (Chinese) TensorFlow Chinese community “A Concise Handbook of TensorFlow” forum: https://www.tensorflowers.cn/b/48

• (English)

PDF download (old version):

• Chinese version: https://www.tensorflowers.cn/t/6230

• English version:

GitHub: https://github.com/snowkylin/tensorflow-handbook

• 模块索引