一个很基础的Tf2.0学习教程，不需要你有tf或者keras基础，只需要有简单的python知识和一定的深度学习知识~.zip

# 从零开始学TensorFlow 2.0（Tensorflow2.0_starter__chinese） 做这个仓库是因为自己看了一年论文，但是代码复现能力总是捉鸡:joy:正好Tensorflow2.0推荐使用keras作为构建网络的api，学习成本低了很多，于是想分享一些学习过程的经验和爬过的坑~ **notebook**文件夹中是代码和讲解的notebook文件， 大家可以`git clone https://github.com/Clearailhc/Tensorflow2.0_starter_chinese `到本地运行； **markdown**文件夹中是课程的md版本，大家可以对照着自己实践。 本仓库慢慢更新，欢迎讨论~ 希望和大家一起进步~ （如果大家觉得有帮助的话，请留下小星星 :star:哦 ） 参考： - tensorflow2_tutorials_chinese（https://github.com/czy36mengfei/tensorflow2_tutorials_chinese） - 中文keras文档（https://github.com/MoyanZitto/keras-cn） ### 0. TensorFlow 2.0-gpu 安装 个人推荐使用conda安装，省去了分别手动安装CUDA,CUDNN和tf、配置正确版本的繁琐过程，并且conda命令各平台通用。 #### 0.1. 安装对应版本的Anaconda 可以选择官网下载或者清华开源镜像站 (https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/) 下载，选择最新的版本下载即可（默认python3.7），下载完成后将清华镜像加入Anaconda Python 免费仓库，打开conda prompt或者terminal运行以下命令: ``` conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes ``` #### 0.2. 新建环境并安装Tensorflow 2.0 使用conda最大的好处是可以创建相对独立的环境，哪怕某个环境崩了也不会影响其它，同样在conda prompt或者terminal运行以下命令： ``` conda create -n your_env_name python=3.7 ``` 将your_env_name替换为您想要的环境名（如tf2），后面的python版本可选，若省略则默认和你的anaconda基础python同一版本。 创建完成后运行： ``` conda activate your_env_name ``` 激活该独立环境，此时命令行前会显示当前环境名，之后的操作默认都在新的环境中进行。 下面将使用conda安装Tensorflow 2.0，因为此时conda库中并无tf 2.0的包(仅可以通过pip安装)，可以采用曲线救国策略先安装`Tensorflow 1.13.1`（cuda和cudnn版本与tf 2.0相同），运行如下命令： ``` conda install tensorflow-gpu==1.13.1 ``` 之后会提示安装相关的包，按 `y` 继续，等待安装完成。 然后偷梁换柱卸载掉tf 1.13，使用pip安装tf 2.0： ``` pip uninstall tensorflow-gpu pip install tensorflow-gpu==2.0.0b1 -i https://pypi.tuna.tsinghua.edu.cn/simple ``` 至此就在该环境中安装完了Tensorflow 2.0-gpu。 #### 0.3. Jupyter lab多kernel配置 此时可以通过三种方式使用该环境： 1. 在conda prompt或者terminal中激活该环境后，直接输入*python*进入python。 2. 使用pycharm、spyder等IDE，手动切换环境路径为“%Anaconda安装目录/envs/your_env_name” 3. 使用Jupyter Lab（notebook升级版）配置多多环境kernel 因为本项目为基于Jupyter的项目，着重讲一下第三种方式： - 先激活tf2.0所在的环境，使用`conda install ipykernel`安装*ipykernel*. - 使用`conda deactivate`回到base环境，使用`conda install nb_conda` 安装*nb_conda*. - 新建一个conda prompt或者terminal，输入`jupyter lab`运行juyter lab，此时可以看到多个环境的kernel。 jupyter lab的其它用法可以通过别的学习资料了解，至此已经完成了Tensorflow 2.0的安装和运行环境配置，如有问题欢迎提问~ ### 1. TF中的Keras入门 #### [1.1 Keras快速入门](https://github.com/Clearailhc/Tensorflow2.0_starter_chinese/blob/master/markdown/1.1_keras_overview.md) 本课的内容是和大家一起跑起来tf中基于keras构建的神经网络模型，包括基础的模型搭建、训练、预测等。 #### [Test 1. 实现mnist手写字体识别（全连接神经网络）](https://github.com/Clearailhc/tf2.0_tutorials_practice_chinese/blob/master/markdown/test1_mnist_dense.md) 本测试的内容是和大家一起利用第一课的`keras.Sequential`模型构建全连接的神经网络，来解决mnist手写字体识别问题。 #### [1.2 keras函数api](https://github.com/Clearailhc/Tensorflow2.0_starter_chinese/blob/master/markdown/1.2_keras_api/1.2_keras_api.md) 本课的内容是除了使用序列模型都搭建网络之外，可以使用keras函数式api构建高度自定义的模型。