快速上手Tensorflow2.0版本安装教程+深度学习训练

本文转载自：专知
链接地址：https://mp.weixin.qq.com/s?src=11&timestamp=1567181900&ver=1822&signature=t5n2AjpXgGKf51ckc386VEdV5Ie14eJaWVep6clBtpcfKo3KZ5xpuwNQNSKkyFvyM6bjip8Z-af6drF5De2BxVqQnkSXxgN4g1RelFQYaz02zQTHL0XUh1VfE6af&new=1

【导读】深度学习框架TensorFlow 2.0 （preview版）可以用pip进行安装了。本文介绍安装TensorFlow 2.0 preview的方法，并介绍一个Github项目tf2_course，它包含了一些TensorFlow 2的练习和解决方案，以Jupyter Notebook的形式展现。

TensorFlow是最流行的深度学习框架之一，大家期待已久的TensorFlow 2.0现在出了Preview版本，并且可以直接通过pip安装。目前的TensorFlow 2.0 Preview版本可能会包含一些bug，并且不能保证和最终的2.0 Release版一致。

TensorFlow 2.0 Preview版本的安装
我们在Ubuntu上的Python 3.6环境中成功安装了TensorFlow 2.0 preview（暂时没有在Windows或Python3.5环境上成功安装）。首先需要用Miniconda或Anaconda创建一个名为python36的Python3.6环境：
conda create -n python36 python=3.6
安装完成后用下面命令进入python36环境：
source activate python36
然后使用pip直接安装TensorFlow 2.0 Preview：
pip install tf-nightly-gpu-2.0-preview
注意：如果要运行tf-nightly-gpu-2.0-preview，需要安装CUDA 10，否则会报下面的错误：
ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory

tf2_course教程
tf2_course是Github上的一个Jupyter Notebook项目，包含了TensorFlow 2的练习和解决方案，Github地址为：https://github.com/ageron/tf2_course

用git命令clone教程到本地，可以将$HOME替换为你希望存放的路径：
$ cd $HOME # or any other development directory you prefer
$ git clone https://github.com/ageron/tf2_course.git
$ cd tf2_course
教程的Jupyter Notebook都在tf2_course中，其中包括：
Neural Nets with Keras
简介：
用tensorflow.keras进行一些常规的神经网络操作。
链接：
https://github.com/ageron/tf2_course/blob/master/01_neural_nets_with_keras.ipynb
Low-Level TensorFlow API
简介：
一些基本的tensorflow API，如层的定义等。
链接：
https://github.com/ageron/tf2_course/blob/master/02_low_level_tensorflow_api.ipynb
Loading and Preprocessing Data

简介：
数据预处理，如tf.data.Dataset。
链接：
https://github.com/ageron/tf2_course/blob/master/03_loading_and_preprocessing_data.ipynb

参考链接：
https://github.com/ageron/tf2_course

---

《AI工匠BOOK》持续更新AI算法与最新应用，如果您感兴趣，欢迎关注AI工匠（AI算法与最新应用前沿研究）。