TensorFlow 2.0 Alpha 实用教程

最新推荐文章于 2021-01-14 13:21:02 发布
最新推荐文章于 2021-01-14 13:21:02 发布
阅读量338 收藏
点赞数
分类专栏： 自然语言处理面试基础
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/aliceyangxi1987/article/details/108728590
版权
本文介绍TensorFlow 2.0 Alpha的主要改进，包括Eager Execution成为默认模式，面向对象的Keras API，以及代码简化。对比1.x版本，2.0更加易用，提供自动升级工具，并详细展示了从1.x到2.0的转换过程，包括模型定义、训练、优化等方面的改变。
摘要由CSDN通过智能技术生成

在这篇文章中我们将介绍一下 TensorFlow 2.0 Alpha 的内容，在课程准备的途中赶上了 TensorFlow 的 2019 开发人员峰会，TensorFlow 团队推出了 Alpha 版的 TensorFlow 2.0，我们这门课前一半的代码目前还是 1.x 版本的，在课程结束后会逐渐补充 2.0 版本的代码，在那之前我们先来看一下 TensorFlow 2.0 Alpha 的简易教程，这样如果大家有兴趣直接用 2.0 实现的话，这个教程会对大家有所帮助。

本文结构：

  1. TF 2.0 的优点
  2. Keras 和 TF 2.0 的比较
  3. TF 1.x 和 2.0 的比较
  4. 如何将旧代码升级：自动更新
  5. 如何将旧代码升级：深度学习常用技术 1.x 到 2.0 的转换

1. TF 2.0 的优点

今年 3 月 6-7 日，在 TensorFlow 的 2019 峰会上正式推出了 2.0 Alpha 版本。

TensorFlow 可以说是最受欢迎的深度学习框架了，那么为什么要有 TensorFlow 2.0 呢？

《Hands-On Machine Learning with Scikit-Learn and TensorFlow》这本书大家应该都知道，作者 Aurélien Gér

了解本专栏 订阅专栏 解锁全文
Alice熹爱学习
关注
专栏目录
订阅专栏
AIGC从入门到实战：AI 2.0 向多领域全场景应用迈进
程序员光剑
06-30 569
人工智能(Artificial Intelligence, AI) 的概念最早可以追溯到上世纪 50 年代，图灵在 1950 年发表的论文《计算机器与智能》中提出了著名的“图灵测试”，被认为是人工智能的开山之作。此后，人工智能经历了几十年的发展，经历了符号主义、连接主义、专家系统等阶段，但始终未能突破理论和应用的瓶颈。20 世纪 80 年代末，机器学习开始兴起，并在 90 年代取得了突破性进展，例如支持向量机(SVM) 和决策树等算法的提出。
TensorFlow 2.0 Alpha
03-09
TensorFlow 2.0 Alpha版，用户现在可以抢先体验；(进群交流下载887372329）2.0版本具有简易性、更清晰、扩展性三大特征，大大简化API；
TensorFlow 2.0 Alpha 版发布啦！
AI科技大本营
03-07 1332
【AI科技大本营导语】在今天举行的 2019 年 TensorFlow 开发者峰会上，谷歌宣布了其针对研究和生产的开源机器学习库的一些更新。TensorFlow 2.0 alpha 提供即将发生的变化的预览，旨在让初学者更容易使用 ML。 文 /Wolff Dobson 和 Josh Gordon TensorFlow 2.0 注重易用性，提供有 API 供初学者和资深人士用...
Tensorflow 2.0.0-alpha 安装 Linux系统
weixin_30483697的博客
03-11 298
1、TensorFlow2.0的安装测试 Linux python 官网 api ：https://tensorflow.google.cn/versions/r2.0/api_docs/python/tf Tensorflow Dev Summit 正式宣布 Tensorflow 2.0 进入 Alpha 阶段。 基于 Anaconda 创建环境一个尝鲜环境： conda create ...
关于tensorflow2.0-alpha0版本，尝鲜
有问题请直接说问题就好
03-30 1573
关于tensorflow2.0-alpha0版本，尝鲜
tensorflow 2.0 alpha安装
ZHE
04-10 1400
pip install -U --pre tensorflow
深度学习 机器视觉 经典卷积神经网络 Tensorflow2.0 keras.applications
Forrest97的博客
04-22 4818
背景 经典网络结构就是我们使用深度学习进行烹饪的食材，活学活用好我们的经典神经网络，为我们的实际应用提供事半功倍的效果 经典的深度卷积神经网络作为机器视觉中图像特征提取的重要工具，被广泛应用于图像分类、语义分割和目标检测等实际场景中。 2012到2017年的I全球最大的ImageNet大赛中涌现了一大批性能突出的网络，基于此数据集训练的卷积神经网络被认为具有突出的图像特征提取的功能。 由于一般的个...
生成式对抗网络GAN之实现手写字体的生成(基于keras Tensorflow2.0实现)详细分析训练过程和代码
nyz5211314的博客
05-21 4567
????目录生成式对抗网络简介代码实战模型整体搭建生成器模型判别器模型训练模块完整代码结果 生成式对抗网络简介 生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。(参考百度百科) 简单来说，GAN通过生成器和判别器的相互博弈，首先训练判别
如何使用facenet详解_TensorFlow实用案例详解
weixin_31495827的博客
01-14 340
目录1 卷积神经网络与环境搭建11.1 概述 11.2 卷积神经网络 21.2.1 卷积层 31.2.2 修正线性单元. 61.2.3 池化层 81.2.4 全连接层 81.2.5 softmax 层 91.2.6 LeNet-5 网络 91.3 准备开发环境 101.3.1 Anaconda 环境搭建 101.3.2 安装TensorFlow 1.x 111.3.3 FloydHub ...
IJCAI 2019上的一个TF2.0教程，SciPy_Tokyo+Hands-on+TensorFlow+2.0.zip
11-02
发表在IJCAI 2019上的一个TF2.0教程，本教程是Google资深开发人员Josh Gordon讲授，提供了最新TensorFlow 2.0的实操介绍，重点介绍了最佳实践。
AlphaGo的深度学习系统Tensorflow详细安装入门
黑洲非人lyf
07-28 2683
谷歌就开源了其用来制作AlphaGo的深度学习系统Tensorflow，相信有不少同学曾经对着这款强大的机器学习系统蠢蠢欲动，但虽然有关Tensorflow的教程其实不少，甚至谷歌官方就在Tensorflow的官网给出了一份详细的教程，也有网站已经将其翻译成了中文（点击查看），但它仍然是有门槛的，尤其是对于对计算机及编程语言了解不深的同学，可能看着页面上凭空给出的代码陷入懵逼。 在Lin
tensorflow 2.0预览版安装和入门教程
xiangxianghehe的博客
01-11 5851
下一代TensorFlow终于可以尝鲜了。 今天凌晨，谷歌AI团队的Martin Wicke在TensorFlow官方社区发帖，兴奋地通知TensorFlow 2.0开发者预览版已经放出。 当然现在还是一个很早期的nightly夜版，也就是说，这个版本更新速度会非常快，同时也意味着不稳定因素更多。 Martin Wicke在帖子里也明确说了这一点，现在放出的TensorFlow 2.0开发者测试版...
Google 升级 TensorFlow 2.0 Alpha ，发布机器学习新硬件 coral开发板
freewebsys的专栏
03-07 1936
本文的原文连接是: https://blog.csdn.net/freewebsys/article/details/88323020 未经博主允许不得转载。 博主地址是：http://blog.csdn.net/freewebsys 1，关于coral 是一个 google 在 发布 TensorFlow 2.0 的时候顺便发布的。 https://tensorflow.google.cn/...
安装tensorflow 2.0.0-alpha0
weixin_43644231的博客
03-01 1247
# cpu版 pip install tensorflow==2.0.0-alpha0 # gpu版 pip install tensorflow-gpu==2.0.0-alpha0
Tensorflow 2.0 教程-Windows10安装tensorflow2.0
热门推荐
知行_那片天
04-11 2万+
Windows10安装tensorflow2.0（GPU、CPU） 完整tensorflow2.0教程代码请看github：中文教程tensorflow2_tutorials_chinese(欢迎star) 更多TensorFlow2.0 入门教程请持续关注本博客：https://blog.csdn.net/qq_31456593/article/details/88606284 1.安装anac...
tensorflow（2.0.0-alpha-gpu版）在win10系统中的安装
TZmin的博客
08-14 1828
1、首先需要安装anaconda3.7（一般不会出现什么问题，不再赘述） 2、安装CUDA10.0 版本 2.1 NVIDIA显卡 CUDA是NVIDIA公司提供的一个并行运算的库，要安装gpu版本的tensorflow，电脑必须有NVIDIA公司的显卡。（从设备管理器中查看显卡类型，如果没有NVIDIA的显卡，跳过CUDA的安装，安装cpu版本的tensorflow也可以进行入门项目的学习。也可...
AlphaZero神经网络策略网络代码，使用tensorflow框架
lwaif的专栏
03-18 698
import numpy as np import tensorflow as tf from game import Board, Game from policy_value_net_tensorflow import PolicyValueNet # Tensorflow n = 5 width, height = 8, 8 model_file = 'current_policy.mod...
重磅！TensorFlow 发布 2.0 Alpha 版，还改了 Logo
redditnote的博客
03-07 346
(给技术最前线加星标，每天看技术热点)转自：机器之心谷歌在 Tensorflow Developer Summit 2019 大会上发布 TensorFlow 2.0 A...
GAT tensorflow 2.0代码有图
最新发布
05-28
以下是使用TensorFlow 2.0实现GAT（Graph Attention Network）的代码： ``` python import tensorflow as tf from tensorflow.keras import layers class GAT(layers.Layer): def __init__(self, units, num_heads, activation='relu'): super(GAT, self).__init__() self.units = units self.num_heads = num_heads self.activation = activation self.W = [] self.attention = [] for i in range(self.num_heads): self.W.append(layers.Dense(units)) self.attention.append(layers.Dense(1)) self.dropout = layers.Dropout(0.5) self.add = layers.Add() def call(self, inputs): # inputs shape: (batch_size, num_nodes, input_dim) h = inputs outputs = [] for i in range(self.num_heads): Wh = self.W[i](h) a = self.attention[i](Wh) e = tf.nn.leaky_relu(a) alpha = tf.nn.softmax(e, axis=1) alpha = self.dropout(alpha) h_prime = tf.matmul(alpha, Wh, transpose_a=True) outputs.append(h_prime) if self.num_heads > 1: h_prime = self.add(outputs) else: h_prime = outputs[0] if self.activation is not None: h_prime = tf.nn.relu(h_prime) return h_prime ``` 该代码定义了一个GAT层，包含`units`个神经元和`num_heads`个头。在每个头中，会通过全连接层`W`和注意力层`attention`得到一个注意力系数`alpha`，然后将`alpha`和输入`h`做矩阵乘法和加权求和，得到新的节点表示`h_prime`。最后，将所有头得到的`h_prime`加起来，得到最终的输出。在计算`alpha`时，使用了LeakyReLU激活函数和softmax归一化。为了防止过拟合，还使用了dropout。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值