TensorFlow专栏学习计划

一、前言

1. 虽然tf2.x已经出来很久了，用起来说实在却是很爽，不但易用，提供了更加高级的API和工具，使得编写代码变得更加简单和直观，而且对Keras进行了深度集成，提供了更加高级的建模方式，支持Eager Execution模式，使得开发和调试更加快速和直观最重要的是可以更加轻松地转移学习和迁移学习等等好处让人爱不释手，但是相对于tf1.x来说，tf1.x具备支持分布式计算，可以用于大规模训练，面向研究者和专业开发人员，提供了很多底层API。而且tf1.x非常灵活且可扩展，适用于各种机器学习任务；
2. 在实际工作中我用tf1.x的时间要更多一点，因此决定将tf1.x好好从头学习梳理一遍，边学习边总结边实践。

二、学习计划

1. 掌握tf的基础张量创建以及相关操作

2. 掌握如何在不同设备上训练

3.掌握TensorBoard的可视化

4.掌握学习tf的高级库

5.重点学习Keras

6.使用tf1.x实现RNN

7.使用tf1.x实现CNN

8.使用tf1.x实现基本机器学习算法

9.掌握tf模型部署

10.学习掌握分布式训练

11.掌握调试处理

三、最后总结

四、最后感谢

感谢，精通TensorFlow（刘波大神）.pdf，从头学习梳理受益匪浅，非常感谢