TensorFlow 2.0 快速上手教程与手写数字识别例子讲解

TensorFlow 2.0 出来后不久就有人整理了一份简洁高效的中文指导手册： 简单粗暴 TensorFlow 2，本文对其中一些重点内容加以梳理，方便快速上手。

如果你还没装上 TensorFlow 2.0 ，或者希望对 TensorFlow 2.0 的新特性有个大概的了解，可以查看我之前的文章：tensorflow2.0 GPU 版本安装测试教程及新特性初探

TensorFlow 基础

自动求导机制

TensorFlow 提供了强大的 自动求导机制 来计算导数。在即时执行模式（eager execution）下，TensorFlow 引入了 tf.GradientTape() 这个 “求导记录器” 来实现自动求导。以线性回归为例子，假设其损失函数为：
$$L(w,b)=||Xw+b-y|{|}^2$$
我们用下面的代码计算给定 X 与 y 后， $L(w,b)$ 在 $w=(1,2{)}^T,b=1$ 时对 $w,b$ 的偏导数。

import tensorflow as tf

X = tf.constant([[1., 2.], [3., 4.]])
y = tf.constant([[1.], [2.]])
# 初始化要学习的参数
w = tf.Variable(initial_value=[[1.], [2