TensorFlow 2.0专栏盛大开启，诚邀你的加入！

如今深度学习框架尤其多，几乎每个科技公司巨头都有其深度学习框架，Google的TensorFlow是目前用户最多的框架，几乎所有人都在用。另外在2019年的3月6日-7日TensoFlow开发者大会上，TensorFlow 2.0 Alpha正式发布。

为了让大家更好的从TensorFlow1.X过渡到TensorFlow2.0，有三AI今天推出新的专栏《TensorFlow2.0》，让我们一起学习TensorFlow2.0吧。

1 30秒了解TensorFlow

TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，自2015年问世，并在去年11月迎来三周岁生日，已经发展为世界上最受欢迎和被广泛采用的机器学习平台之一。

TensorFlow等于Tensor+Flow，即数据+流动。

TensorFlow中的计算可以表示为一个有向图(directed graph)，或称计算图(computation graph)，其中每一个运算操作将作为一个节点(node)，节点与节点之间的连接称为边(edge)，而在计算图的边中流动(Flow)的数据被称为张量(tensor)，所以形象的看整个操作就好像数据张量(tensor)在计算图(computation graphy)中沿着边(edge)流过(flow)一个个节点(node)。

从发布至今TensorFlow已经有三年了，里程碑事件主要如下图所示：

当前TensorFow在全球已被下载超过4100万次，并在全球拥有超过1800多名贡献者。

以上就是Tensorflow如今取得的辉煌成就，这是当前没有任何一个深度学习框架可以与其媲美的。

2 TensorFlow2.0有什么不同

全新的TensorFlow 2.0 Alpha已经于2019年3月被发布，这次的升级力度可以说空前，如果说以往的TensorFlow升级改动仅仅是从上海话变成粤语，那么TensorFlow2.0的升级改动就像是从中文变成了日文，已经完全不一样了，虽然名字只是变成了2.0。

另外我们从其下面的Logo也可以看出，TensorFlow2.0和1.X绝对不一样。

那么有什么不同呢？主要包括三大新变化，同时架构也有所改变。

在TensorFlow 2.0中，核心功能是动态图机制Eager execution，且作为默认模式。它允许用户像正常程序一样去编写、调试模型，使TensorFlow更易于学习和应用。也就是说我们不必再构建以后再运行的计算图，而是马上就会返回具体的值。对于这个你可以用2.0版本和1.X版本做个下面的对比小实验。

登录后复制

#TensorFlow2.0                         import tensorflow as tf                 
a = tf.constant([[1, 2],                                       
[3, 4]])                                     print(a)  
#TensorFlow1.Ximport tensorflow as tfa = tf.constant([[1, 2],                      
[3, 4]])sess = tf.Session()result = sess.run(a）print(result)1.2.3.4.5.6.7.8.9.10.11.12.13.

另外TensorFlow 2.0通过清理废弃的 API 和减少重复来简化API。如tf.contrib退出历史舞台，其中有维护价值的模块会被移动到别的地方，剩余的都将被删除。

也正是由于上面这些简化，利用TensorFlow 2.0训练的流程将变得十分简洁：

总之，TensorFlow2.0的宗旨就是简易性、扩展性、更清晰。

3 TensorFlow2.0专栏

正是因为TensorFlow2.0更新变化太大，从今天开始我们正式推出TensorFlow2.0专栏，下面是我们这个专栏的更新计划大纲。

本专栏我们会着重突出2.0和1.x的不同，带您从数据读取与使用、模型定义、高级API等方面深刻掌握TensorFlow2.0。

希望这个专栏能够帮助您更好的掌握TensoFlow2.0，如果您之前一直再使用TensorFlow1.X，它可以帮您更好的过渡到2.0；如果您刚刚接触TensorFlow，那么它可以带你更加系统的掌握TensorFlow2.0。这就是本专栏的意义所在，希望您能喜欢。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删