526互联

Tensorflow2实战指南（1）

发布时间 2023-06-19 20:33:27作者: waterperl

目录

为什么是TensorFlow

PyTorch 是什么

是基于以下两个目的而打造的python科学计算框架：

无缝替换NumPy，并且通过利用GPU的算力来实现神经网络的加速。
通过自动微分机制，来让神经网络的实现变得更加容易。

使用 TensorFlow 创建生产级机器学习模型

注意生产级，实际生产中用tensorflow的更多，更稳定高效，而不是pytorch

端到端机器学习平台
查找能加快工作流程中各个阶段机器学习任务的解决方案。

轻松地构建模型

TensorFlow 提供多个抽象级别，因此您可以根据自己的需求选择合适的级别。您可以使用高阶 Keras API 构建和训练模型，该 API 让您能够轻松地开始使用 TensorFlow 和机器学习。

如果您需要更高的灵活性，则可以借助即刻执行环境进行快速迭代和直观的调试。对于大型机器学习训练任务，您可以使用 Distribution Strategy API 在不同的硬件配置上进行分布式训练，而无需更改模型定义。

随时随地进行可靠的机器学习生产

TensorFlow 始终提供直接的生产途径。不管是在服务器、边缘设备还是网络上，TensorFlow 都可以助您轻松地训练和部署模型，无论您使用何种语言或平台。

如果您需要完整的生产环境机器学习流水线，请使用 TFX。如需在移动设备和边缘设备上进行推断，请使用 TensorFlow Lite。如需在 JavaScript 环境中训练和部署模型，请使用 TensorFlow.js。

强大的研究实验

构建和训练先进的模型，并且不会降低速度或性能。借助 Keras Functional API 和 Model Subclassing API 等功能，TensorFlow 可以助您灵活地创建复杂拓扑并实现相关控制。为了轻松地设计原型并快速进行调试，请使用即刻执行环境。

TensorFlow 还支持强大的附加库和模型生态系统以供您开展实验，包括 Ragged Tensors、TensorFlow Probability、Tensor2Tensor 和 BERT。

下载安装python ide

Wing Python IDE是为Python从头开始设计的，旨在获得更高效的开发体验。

WingIDE是个相当优秀的IDE；其编辑器包括大量语言的语法标签高亮显示，虽然它只是个面向Python 的工具。源代码浏览器对浏览项目或模块非常实用（表现在可导航源代码和文档行摘要中）。虽然没有监视器，但调试器设计得很好。编辑器有优秀的命令自动完成和函数跳转列表，但是没有代码合并。
面向项目风格的 IDE 对于大型产品非常有用（在这方面，除了 Komodo 以外，它是大多免费 IDE 中较好的）。总体的界面就像增强的 Idle，使用了与许多 TK 和 XWindow 界面类似的“多窗口”排列方式。使用对接和嵌入（这方面，并不是过多使用MS Visual Studio 造成的），但不同的开发人员可能喜欢不同风格的窗体。WingIDE 是个很有前途的开发环境。 [3]
Wing IDE是一个专为Python程序语言设计的集成开发环境。从1999年起，Wingware公司便开始专注于Python开发框架的开发。目前Wing IDE已经是著名Python开发框架。

个人版是免费使用的
http://wingware.com/downloads/wing-personal

下载与安装tensorflow2

windows下为例


py -m pip install --upgrade pip

py -m pip --version

unix下

python3 -m pip install --user --upgrade pip

python3 -m pip --version

# Requires the latest pip
pip install --upgrade pip

# Current stable release for CPU and GPU
pip install tensorflow

# Or try the preview build (unstable)
pip install tf-nightly

在以下 64 位系统上测试过 TensorFlow 并且这些系统支持 TensorFlow：

Python 3.6–3.9
Ubuntu 16.04 或更高版本
Windows 7 或更高版本（含 C++ 可再发行软件包）



macOS 10.12.6 (Sierra) 或更高版本（不支持 GPU）

使用 Python 的 pip 软件包管理器安装 TensorFlow。
TensorFlow 2 软件包需要使用高于 19.0 的 pip 版本（对于 macOS 来说，则需要高于 20.3 的 pip 版本）。

官方软件包支持 Ubuntu、Windows 和 macOS。

TensorFlow 2

TensorFlow 2 侧重于简单性和易用性，其中包含一些更新，例如即刻执行、直观的更高阶 API 以及可在任何平台上灵活建模的功能。

很多指南是以 Jupyter 笔记本的形式编写而成，并直接在 Google Colab（一种无需设置的托管式笔记本环境）中运行。点击“在 Google Colab 中运行”按钮。

使用 Keras 入门操作

加载一个预构建的数据集。
构建对图像进行分类的神经网络机器学习模型。
训练此神经网络。
评估模型的准确率。

将 TensorFlow 导入到您的程序：

import tensorflow as tf

加载并准备 MNIST 数据集。
将样本数据从整数转换为浮点数：

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

构建机器学习模型
通过堆叠层来构建 tf.keras.Sequential 模型。

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10)
])