TensorFlow2.1(Anaconda)学习笔记一

因为没有使用pycharm等IDE作为学习的环境，而是使用jupyter notebook。
使用朱皮特笔记本有什么好处呢？

Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。
简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示的程序。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释。

修改JupyterNotebook默认目录

JupyterNotebook（下简称朱比特笔记本）的默认工作目录为C盘->用户->本机用户名。
每次进入朱比特笔记本web页面都很烦，有一大堆无关的目录。因此需要修改默认的目录。

1. 在开始菜单里找到并打开Anaconda Prompt，输入：jupyter notebook --generate-config
2. 此时，会生成一个配置文件，我们把这个配置文件的路径拷贝下来。粘贴到此电脑地址栏并进入。
3. 用notepad++打开jupyter_notebook_config.py文件，按住ctrl+f，查找_dir。如下图，我们把c.NotebookApp.notebook_dir的值设置为我们所需要的目录（若不存在，需要提前创建好），同时把这一行最前面的井号删掉并保存，因为井号是Python中注释的意思，不然不起作用。
4. 本来进行到第三步应该成功了，但仍然不起作用。这时需要第四步，同样在在开始菜单的朱比特笔记本右键打开文件位置，对朱比特笔记本的快捷方式右键属性>>快捷方式>>目标，删除最后的 “%USERPROFILE%/” 才生效。
   
   

人生苦短，我用TensorFlow2

TensorFlow2.x系列比TensorFlow1.x系列好就好在它更加简易，容易入门了。可是有个声音告诉我，初学就应该学习底层的原理，实际开发使用效率更高的工具。我深知其中的道理，但是对于急功近利的我（们）来说，既然2.x系列已经为我们降低了难度，有一个更好、更简单的工具放着不用，不是傻吗？

2.0版本2019年刚刚推出，2.1版本也在2020年初推出，相关的学习资源实在是少之又少。我都有点想放弃用2.x了。

之前在中国大学慕课上找到了西安科技大学的TF2实战课但是更新比较慢，最近又发现了北大的TensorFlow2.1的学习课程，觉得应该是现在能找到的比较完整的教程了。

TF2新特性

虽然本人没接触过1.x系列，知识看过一点点教程，但在看过TF2的新特性后发觉TF2确实比上一代好用。

An end-to-end open source machine learning platform.

TensorFlow1.x——延迟执行机制(deferred execution) /静态图机制。
代码运行效率高，便于优化但程序不够简洁。

TensorFlow2.0——动态图机制(Eager Execution)

• 无需首先创建静态图，可以立刻执行计算,并返回结果。
• 能够快速的建立和调试模型。
• 执行效率不高。
• 兼顾易用性和执行效率。
• 在程序调试阶段使用动态图，快速建立模型、调试程序。
• 在部署阶段，采用静态图机制，从而提高模型的性能和部署能力。

TensorFlow1.x——重复、冗余的API
构建神经网络: tf.slim, tf.layers, tf.contrib.layers, tf.keras混乱，不利于程序共享，维护的成本高。
TensorFlow2.0——清理/整合API
清理、整合了重复的API，将tf.keras作为构建和训练模型的标准高级API。

TF2如何运行TF1代码

加入这两行代码：
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

测试一下是否正常运行：