tf调不到keras怎么 回事_教程 | 一招教你使用 tf.keras 和 eager execution 解决复杂问题...

原标题：教程 | 一招教你使用 tf.keras 和 eager execution 解决复杂问题

作者：Yash Katariya

参与：乾树、王淑婷

本文作者利用 TensorFlow 的两个最新 API(tf.keras 和 eager execution)解决了四类复杂问题：文本生成、生成对抗网络、神经网络机器翻译、图片标注。文中对此进行了详细描述，并附上其 notebook 地址。

生成模型和序列模型总是令我着迷：它们提出的问题与我们初学机器学习时常遇到的问题不同。刚开始学习 ML 时，和很多人一样，我学的是分类和回归。这些可以帮助我们提出并回答以下问题：

图片里是猫还是狗？(分类)

明天有多大概率会下雨？(回归)

分类和回归是非常值得掌握的技能，并且几乎可以无限将这两者用于现实问题。但是，我们可能会提出其它类型的问题，这些问题与之前的十分不同。

能作诗吗？(文本生成)

能生成一张猫的图片吗？(生成对抗网络)

能翻译句子吗？(神经网络机器翻译)

能根据图片生成标题吗？(图片标注)

在暑期实习期间，我使用 TensorFlow 的两个最新 API(tf.keras 和 eager execution)开发了这些示例，以下是分享内容。希望你们能觉得它们有用，有趣！

Eager execution 是一个由运行定义的命令式接口，一旦从 Python 调用，其操作将被立即执行。这使得入门 TensorFlow 变得更简单，也使研发更直观。

tf.keras 是一个高级 API，用于定义具有类