TensorFlow 2.0 于2009年4月推出。 编译模型 -损失函数， 衡量模型训练的准确度 - 优化器， 根据数据和损失函数更新模型 - 指标：测试培训和测试步骤 - loss: 0.3548 - accuracy: 0.8802 T Test accuracy: 0.8802 训练的准确性和测试的准确性有差距。 Overfitting 训练准确性和测试准确性之间的差距代表过度拟合 Eager执行 命令式编程： imperative programming TensorFlow 2.0 - 使用Keras和Eager Execution轻松构建模型 张量： 零阶张量 标量 一阶张量 向量 二阶张量 矩阵 N阶张量 N维数组 张量的属性 1. 数据类型 2. 形状 TensorFlow 数据类型 默认float32, https://upload-images.jianshu.io/upload_images/226662-2167f19abffd4d8a.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240 阶、形状和维数 https://upload-images.jianshu.io/upload_images/226662-48ca3dfacffd45fb.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240 变量张量和常量张量 1. tf.Variable ：变量 Tensor，需要指定初始值，常用于定义可变参数，例如神经网络的权重。 2. tf.constant ：常量 Tensor，需要指定初始值 特殊常量张量 tf.zeros：新建指定形状且全为 0 的常量 Tensor tf.zeros_like：参考某种形状，新建全为 0 的常量 Tensor tf.ones：新建指定形状且全为 1 的常量 Tensor tf.ones_like：参考某种形状，新建全为 1 的常量 Tensor tf.fill：新建一个指定形状且全为某个标量值的常量 Tensor TF的常用模块： tf. 包括张量定义，变换等常用函数和类 tf.data 数据处理模块 tf.image 图像处理模块 tf.keras Keras框架高阶API tf.linalg 线性代数模块 tf.losses 损失函数模块 tf.math 数学计算模块 tf.saved_model 模型保存模块 tf.train 训练组件 tf.nn 构建神经网络的底层函数 tf.estimator 高阶API， 预创建Estimator或自定义组件。 层API https://www.tensorflow.org/api_docs/python/tf/keras/layers 形状、类型和值 shape dtype numpy() tf.add() tf.matual() tf.GradientTape() 求导记录器。 求偏导 https://tf.wiki/zh/basic/models.html