【简单粗暴tensorflow2.0】学习笔记----第一个程序

【简单粗暴tensorflow2.0】
写这篇博客的时候，本人是一名大三在读本科生，因为需要用到卷积神经网络，接触到深度学习，想学习tensorflow的框架，也正好接触到的tf版本是2.0，就想通过《简单粗暴tensorflow2.0》来学习，并记录下自己的 一些学习历程。

---

引用书中内容：
本书的适用群体
本书适用于以下读者：

1.已有一定机器学习 / 深度学习基础，希望将所学理论知识使用 TensorFlow 进行具体实现的学生和研究者；

2.曾使用或正在使用 TensorFlow 1.X 版本或其他深度学习框架（比如 PyTorch），希望了解 TensorFlow 2.0 新特性的开发者；

3.希望将已有的 TensorFlow 模型应用于业界的开发者或工程师。

---

很显然我属于第一类人，但基础又不太好，哈哈

---

引用书中内容：
TensorFlow 能帮助我们做什么？
TensorFlow 可以为以上的这些需求提供完整的解决方案。具体而言，TensorFlow 包含以下特性：

模型的建立与调试： 使用动态图模式 Eager Execution 和著名的神经网络高层 API 框架 Keras，结合可视化工具 TensorBoard，简易、快速地建立和调试模型；

模型的训练： 支持 CPU / 单 GPU / 单机多卡 GPU / 多机集群 / TPU 训练模型，充分利用海量数据和计算资源进行高效训练；

模型的部署： 通过 TensorFlow Serving、TensorFlow Lite、TensorFlow.js 等组件，使 TensorFlow 模型能够无缝地部署到服务器、移动端、嵌入式端和网页端等多种使用场景；

预训练模型调用： 通过 TensorFlow Hub 和 Tensor2Tensor，可以方便地调用预训练完毕的已有成熟模型。

---

安装流程我就不一一赘述了，我当时安装的时候花费课了很长时间，
我打算单独暗处一篇博客，来说一下安装

---

第一个代码：
import tensorflow as tf
A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)
print©

结果为：
tf.Tensor(
[[19 22]
[43 50]], shape=(2, 2), dtype=int32)

---

完成这个小程序后，以后我们就可以正式开始学习tensorflow2.0了

---