Tensorflow2.0的简介

Tensorflow2.0的简介

Tensorflow1.X版本有哪些问题？

• 调试困难
• API混乱不堪
• 导致从入门到放弃

为什么使用Tensorflow，而不是Pytroch呢？

• GPU加速
• 自动求导
• 神经网络Layers

最大改变就是移除tf.contrib，分别用tf.keras tf.losses tf.metrices等开代替

使用免费薅羊毛的Google colab做简单说明：

import tensorflow as tf
import timeit

# 定义两个矩阵，并求乘机，使用GPU加速计算
with tf.device('/gpu:0'):
  mat_a = tf.random.normal([1000,800])
  mat_b = tf.random.normal([800,600])

def run():
  with tf.device('/gpu:0'):
    result = tf.matmul(mat_a, mat_b)
  return result

# 计算10次的时间
run_time = timeit.timeit(run, number=10)
print('run_time: ', run_time)

run_time:  0.0023373889998765662     #速度飞快，远高于CPU

import tensorflow as tf
import os

# 设置显示框显示信息等级，更清爽
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

x = tf.constant(1.)
a = tf.constant(2.)
b = tf.constant(3.)

# 新增tf.GradientTape 用于自动微分运算
with tf.GradientTape() as tape:
  tape.watch([a, b])
  y = a**2 * x + b * x

# 分别计算y对a和b的求导值
[da, db] = tape.gradient(y, [a, b])
print(da, db)

tf.Tensor(4.0, shape=(), dtype=float32) tf.Tensor(1.0, shape=(), dtype=float32)

e=(), dtype=float32) tf.Tensor(1.0, shape=(), dtype=float32)