anaconda安装keras_TF2.0的安装与MNIST手写识别的实现

Google前一段时间推出了TF2.0，去官网看了一下新的语法，感觉发现了新的世界，直接感受就是逻辑性强，代码简洁，容易理解，至于其他的特性我们可以以后慢慢发掘，我们先去尝试一下TF2.0，感受一下时代的潮流吧。

首先我们下载好anaconda，然后打开conda的命令行，我们为TF2.0创建虚拟环境。

运行第一行的命令为TF创建一个环境，最后结果应该为下图所示：

安装完环境之后我们就可以安装TF2.0了。

我们先进入我们创建的虚拟环境，然后安装TF2.0

最后完成安装：

在pycharm中切换为我们新创建的环境，观察是否成功：

点击右边的那个叹号的标志，在目录中找到anaconda的目录，去找到相应python.exe解释器

选择ok，这样我们就切换到了我们新创建的环境中了

我们运行一个示例程序检查我们的环境是否成功：

这样就是成功的了。

如果你出现了类似的警告：

应该是Numpy的版本过高了，你可以尝试下面的操作将NUMPY的版本降低：

我们在尝试一次：

没有了警告，完美！

好了，我们创建好了环境，就可以去实现一下深度学习中的Hello,world-MNIST手写识别了。

为了更好的与TF1.x进行比较和理解我们下面代码的含义，建议大家先简单浏览一下这篇文章：

Ysj的小迷弟：手把手教你完成卷积神经网络的“HELLO WORLD” - MNIST数字识别​zhuanlan.zhihu.com

我们现在用TF2.0，搭建一个与该神经网络框架完全一样的神经网络，代码如下：

try:
    import tensorflow.python as tf
except:
    import tensorflow as tf

ds = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) =ds.load_data()
x_test,x_train = x_test.reshape((10000,28,28,1)),x_train.reshape(60000,28,28,1)
x_test,x_train = x_test/255.0,x_train/255.0
model = tf.keras.models.Sequential([
    tf.keras.layers.Conv2D(20,(5,5),padding="SAME",activation="relu"),
    tf.keras.layers.MaxPool2D(2,2,padding="SAME"),
    tf.keras.layers.Conv2D(40,(5,5),padding="SAME",activation="relu"),
    tf.keras.layers.MaxPool2D(2, 2,padding="SAME"),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(512,activation="relu"),
    tf.keras.layers.Dense(10,activation="softmax")
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train,y_train,epochs=5)
test_loss, test_acc = model.evaluate(x_test, y_test)
print(test_loss)

简单解释一下第一行的意思，因为我们的kersa在tensorflow的python目录下，没有第一行的引入就会无法正常的提示代码，写起来很不舒服，所以用这个是为了提高我们编写代码的效率，小伙伴们可以尝试一下只用import tensorflow as tf，会知道我这么写的原因。

至于卷积神经网络的结构和我上一篇文章中的一摸一样。大家可以看的出来我们新的TF的代码无论是在逻辑性还是代码可读性上都有了巨大的提高，不需要我给出注释大家也可以明白基本的意思

有兴趣的小伙伴可以尝试着去实现一下这个代码，很简单，也非常的简洁，抓紧时间感受一下TF2.0的优势吧，我们下篇文章再见！