从2015年发布0.1版本开始，Tensorflow每两年实现一次重大版本升级，到2019年4月，google推出了全新的tensorflow2.0，标志着Tensorflow迎来重大的历史变革，那么这次版本升级究竟会给我们广大开发者带来什么惊喜呢？少奶奶将把自己的学习笔记写成博客，供大家学习交流。
1，深度学习框架简述
Scikit-learn是面向机器学习比较著名的机器学习框架，但遗憾的是，该框架只适用于机器学习并不提供GPU加速。2013年，华人贾扬清开发出了第一个面向深度学习的框架Caffe，它是由c++编写的，并在后续版本中支持python的接口调用，但该框架并不提供自动求导的功能。Keras与其他深度学习框架不同的是，Keras只提供了一些深度学习的接口，其底层的实现并不由Keras自己编写，所以Keras更多的是作为深度学习的一套wrapper被大家所熟知。Torch框架的最大问题在于采用了小众语言Lua编写，提高了开发者的学习成本。而与Tensorflow有着千丝万缕联系的是由加拿大科学家开发的Theano框架，google在收购Theano后，借鉴Keras开发出了现在主流的深度学习框架------Tensorflow。后续比较有名的框架分别是，由日本科学家开发的Chainer，由华人为主的团队开发的MXNet（目前作为亚马逊官方深度学习框架）和由新加坡州立大学开发的NUS SINGA（目前作为apache下的一个孵化项目 ）
2，Tensorflow 1.x版本的问题
相比于同期发布的PyTorch 0.1而言，Tensorflow 1.x学习成本是比较高的，例如：静态图，session，全局变量初始化等这些概念，都需要开发者去理解，而且，Tensorflow 1.x中的API老是修改，对开发者也并不友好。反观PyTorch，其编程风格十分接近Python，没有Tensorflow中那些抽象的概念，使得很多开发者都开始转向了PyTorch。下面是少奶奶使用两个框架编写的a+b=c的运算。
3，Tensorflow 2.0 强势来袭
2019年春季，google发布了Tensorflow2.0测试版本。该版本中，完全摒弃了1.x版本中计算图，会话，变量管理，等众多让人费解的概念，这标志着Tensorflow开始进入一个与1.x完全不同的版本。由于2.0版本中大部分概念和许多接口的实现都与1.x不同，所以，开发者完全可以跳过1.x版本，利用更少的学习成本去学习2.0版本。下面少奶奶使用新旧版本编写了a+b=c的运算，让大家感受一下Tensorflow的爱的初体验（左边是1.x版本 ， 右边是2.0版本）
通过代码我们可以发现，2.0版本在编程风格上几乎和PyTorch一样，更加简明易懂，所见即所得。
下面链接是少奶奶根据自己的学习笔记总结的理论+实践入门级讲解，希望能对大家有所帮助
第一章：Tensorflow 2.0 实现简单的线性回归模型（理论+实践）
第二章：Tensorflow 2.0 手写全连接MNIST数据集（理论+实战）
第三章：Tensorflow 2.0 利用高级接口实现对cifar10 数据集的全连接（理论+实战实现）
第四章：Tensorflow 2.0 实现自定义层和自定义模型的编写并实现cifar10 的全连接网络（理论+实战）
第五章：Tensorflow 2.0 利用十三层卷积神经网络实现cifar 100训练（理论+实战）
第七章：Tensorflow2.0 RNN循环神经网络实现IMDB数据集训练（理论+实践）
第八章：Tensorflow2.0 传统RNN缺陷和LSTM网络原理（理论+实战）
未完待续
1503
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
