【简单粗暴tensorflow2.0】学习笔记

粗暴tensorflow2.0】学习笔记"/>

【简单粗暴tensorflow2.0】学习笔记

【简单粗暴tensorflow2.0】
写这篇博客的时候，本人是一名大三在读本科生，因为需要用到卷积神经网络，接触到深度学习，想学习tensorflow的框架，也正好接触到的tf版本是2.0，就想通过《简单粗暴tensorflow2.0》来学习，并记录下自己的 一些学习历程。

引用书中内容：
本书的适用群体
本书适用于以下读者：

1.已有一定机器学习 / 深度学习基础，希望将所学理论知识使用 TensorFlow 进行具体实现的学生和研究者；

2.曾使用或正在使用 TensorFlow 1.X 版本或其他深度学习框架（比如 PyTorch），希望了解 TensorFlow 2.0 新特性的开发者；

3.希望将已有的 TensorFlow 模型应用于业界的开发者或工程师。

很显然我属于第一类人，但基础又不太好，哈哈

引用书中内容：
TensorFlow 能帮助我们做什么？
TensorFlow 可以为以上的这些需求提供完整的解决方案。具体而言，TensorFlow 包含以下特性：

模型的建立与调试： 使用动态图模式 Eager Execution 和著名的神经网络高层 API 框架 Keras，结合可视化工具 TensorBoard，简易、快速地建立和调试模型；

模型的训练： 支持 CPU / 单 GPU / 单机多卡 GPU / 多机集群 / TPU 训练模型，充分利用海量数据和计算资源进行高效训练；

模型的部署： 通过 TensorFlow Serving、TensorFlow Lite、TensorFlow.js 等组件，使 TensorFlow 模型能够无缝地部署到服务器、移动端、嵌入式端和网页端等多种使用场景；

预训练模型调用： 通过 TensorFlow Hub 和 Tensor2Tensor，可以方便地调用预训练完毕的已有成熟模型。

安装流程我就不一一赘述了，我当时安装的时候花费课了很长时间，
我打算单独暗处一篇博客，来说一下安装

第一个代码：
import tensorflow as tf
A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)
print©

结果为：
tf.Tensor(
[[19 22]
[43 50]], shape=(2, 2), dtype=int32)

完成这个小程序后，以后我们就可以正式开始学习tensorflow2.0了