【初学者入门系列】Tensorflow学习路线指引

导

语 TensorFlow是业界广泛使用的开源机器学习框架，虽然有后起之秀不断挑战它的地位，凭借快速部署、适合产品级应用等特点，目前在AI开发者中仍然占据Top2的地位。

工具篇

目前神经网络框架分为静态图框架和动态图框架，TensorFlow1.x主要使用静态图，这意味着我们先定义计算图，然后不断使用它；而在TensorFlow2.x中，每次都会重新构建一个新的计算图。

对于使用者来说，两种形式的计算图有着非常大的区别，同时静态图和动态图都有他们各自的优点，比如动态图比较方便debug，使用者能够用任何他们喜欢的方式进行debug，同时非常直观；而静态图是通过先定义后运行的方式，之后再次运行的时候就不再需要重新构建计算图，所以速度会比动态图快一些。

Tensorflow1.x由于大部分版本不支持动态图机制，即不支持代码调试功能，并且部分语法(如条件判读、循环)与python原始语法差别较大，具体可参考如下示例代码：

#1-动态图：语法与python一致
import tensorflow as tf
import tensorflow.contrib.eager as tfe
tfe.enable_eager_execution()
first_counter = tf.constant(0)
second_counter = tf.constant(10)
while first_counter<second_counter:
    first_counter = tf.add(first_counter, 2)
    second_counter = tf.add(second_counter, 1)
print(first_counter,first_counter)
print(second_counter,second_counter)

#2-静态图：需要学习新的写法(循环使用tf.while_loop)
import tensorflow as tf
first_counter = tf.constant(0)
second_counter = tf.constant(10)
def cond(first_counter, second_counter, *args):
    return first_counter < second_counter

def body(first_counter, second_counter):
    first_counter = tf.add(first_counter, 2)
    second_counter = tf.add(second_counter, 1)
    return first_counter, second_counter
c1, c2 = tf.while_loop(cond, body, [first_counter, second_counter])
with tf.Session() as sess:
    counter_1_res, counter_2_res = sess.run([c1, c2])
print(counter_1_res)
print(counter_2_res)

因此推荐学习tf2.x 由于TensorFlow的库依赖较多，对于初学者来说，安装环境也是比较头疼的一件事。Tensorflow一键快速安装的方法可以参考我另一篇文章：

学习资源篇

如果想深入学习经典机器学习模型(如支持向量机、K-means)，强烈推荐李宏毅老师的课程，做下课后练习效果更好； 如果想深入学习深度学习原理，推荐吴恩达老师的课程，入门还是很不错的。以上课程视频，在官网都可以找到，当然某站有搬运。 END