哪里找资料、报错怎么办？TensorFlow 工程师亲自答疑！| 码上作答第三期（下）

“码上作答”又来了！

本次由 TensorFlow 技术推广工程师魏巍

倾情分享文档的正确使用姿势

并提供了满满的学习干货

👇戳图片重温👇

我们收集到不少开发者提出的

文档搜索和学习难题

并精选了大家关心的常见问题

由魏巍提供专业的指引和解答

快来看看你的问题是否被 pick 了吧！

提问者ID: alex

TensorFlow 码上作答 </>

Vol.3

Q1

当前熟悉 C 语言，想了解 TensorFlow 的话，推荐从 C++ 入门还是 Python 入门？有什么建议？

向左滑动，查看专家建议

A

建议从 Python 入门，

Python 被公认为机器学习的主流语言。

提问者ID:  臭皮匠

TensorFlow 码上作答 </>

Vol.3

Q2

其他语言可以对接 TensorFlow 吗？比如 Java，如果必须使用 Python 的话，有什么推荐的学习思路和步骤？

向左滑动，查看专家建议

A

TensorFlow 有Java接口，不过建议从 Python 入手。Python学习网上资料很多，其中可以参考谷歌相关 Python 教程

扫码获取

谷歌相关 Python 教程

提问者ID: arco

TensorFlow 码上作答 </>

Vol.3

Q3

有没有推荐的 IDE API 插件？尤其是对于有变更的 API。

向左滑动，查看专家建议

A

如果你是从 1.x 升级到 2.x ，建议使用升级脚本。小版本的更新装上新的 Python 包以后，一般 IDE 会自动识别出新的 API 。

扫码获取

升级脚本

提问者ID: 米菲爸爸

TensorFlow 码上作答 </>

Vol.3

Q4

我们在哪里可以申请报错文档？

向左滑动，查看专家建议

A

可以到 GitHub 上报文档 bug ，也可以按官网流程提交一个修复 PR 。

🔗 GitHub 报 bug ：

https://github.com/tensorflow/tensorflow/issues

🔗 官网修复 PR 提交流程：  https://tensorflow.google.cn/community/contribute/docs

提问者ID:  O(∩_∩)O～

TensorFlow 码上作答 </>

Vol.3

Q5

您好，网络上对于 TensorFlow Lite 的资料其实蛮少的，当然，也不确定是否因为自己未能找到相关，感觉很多都是停留在解释它是什么，可以做什么，关于它如何使用都比较模糊，对于初学者而言，确实挺难理解的。请问有何推荐的书籍或视频吗？

向左滑动，查看专家建议

A

TensorFlow Lite 目前没有专门的图书，可以查看微信公众号上的 TensorFlow Lite 专辑

B站 “Google中国”和 YouTube 上的 TensorFlow 频道有一些视频，建议结合文档+TFLite 范例进行学习。

🔗 TFLite 范例

https://github.com/tensorflow/examples/tree/master/lite/examples

我们之后也会推出一些中文视频帮助大家学习。此外，也欢迎加入 TF LIte 中文兴趣小组。

继续滑动，查看视频资源列表

在过去的 Dev Summit 和 谷歌开发者大会上，我们对 TensorFlow Lite 的应用进行了介绍，建议观看和收藏B站相关视频：

🔗 [中字] TensorFlow DevSummit 2020 主题演讲（11: 08开始）: 

https://www.bilibili.com/video/BV12e411p7ym

🔗 [中字] TensorFlow Lite：如何在移动端和智能设备中进行机器学习：

https://www.bilibili.com/video/BV1bp4y197tD

🔗 在 Arm 架构上运行 TensorFlow Lite:

https://www.bilibili.com/video/BV1RJ411g74J

🔗 SmileAR: 爱奇艺基于TensorFlow Lite的移动端AR解决方案：

https://www.bilibili.com/video/BV1BJ411w76M

🔗 TensorFlow Lite - 面向移动和物联网设备：

https://www.bilibili.com/video/BV1zJ411w7VX

继续滑动，查看视频资源列表

也可以观看 TensorFlow 频道中关于 TensorFlow Lite 的介绍和应用：

🔗 Inside TensorFlow: TensorFlow Lite: https://www.youtube.com/watch?v=gHN0jDbJz8E

🔗 TensorFlow Lite for Microcontrollers (TF Dev Summit '20):

https://www.youtube.com/watch?v=xWnLmHQ_oeA

🔗 TensorFlow Lite: Reference app gallery (TF Dev Summit '20):

https://www.youtube.com/watch?v=-x0qc1kknPA

🔗 TensorFlow Lite: ML for mobile and IoT devices (TF Dev Summit '20):

https://www.youtube.com/watch?v=27Zx-4GOQA8

🔗TF Lite Lens (TF Dev Summit '20):

https://www.youtube.com/watch?v=IbHWbT2Q1dc

继续滑动，查看视频资源列表

🔗 Accelerate models with TFLite Delegates (TF Dev Summit '20 ):

https://www.youtube.com/watch?v=iyUkOAI69ts

🔗 TensorFlow Lite: Solution for running ML on-device (TF World '19):

https://www.youtube.com/watch?v=0SpZy7iouFU 

🔗 AI for Mobile and IoT Devices: TensorFlow Lite (Google I/O'19):

https://www.youtube.com/watch?v=Jjm7MT6W0Dc 

🔗 TensorFlow Lite for on-device ML (TensorFlow Meets): 

https://www.youtube.com/watch?v=50OuYwFK73g

🔗TensorFlow Lite, Experimental GPU Delegate (Coding TensorFlow): 

https://www.youtube.com/watch?v=QSbAUxWfxQw

提问者ID: calendula

TensorFlow 码上作答 </>

Vol.3

Q6

想了解 TensorFlow 已落地在哪些实际的商业场景及案例，用来拓展思维。请问哪里可以查询？谢谢。

向左滑动，查看专家建议

A

想了解更多 TensorFlow 在工业界有哪些实际应用场景，可以查看案例专辑或关注 TensorFlow 公众号，点击下方菜单栏【了解产品】，查阅【企业级案例】。

这些案例源于各个行业的前沿应用，欢迎一键“收藏”，或点击“在看”可以为平时的项目开发提供灵感借鉴。

提问者ID: have been

TensorFlow 码上作答 </>

Vol.3

Q7

在 TensorFlow 模型推理过程中，使用 .ckpt，.pb，.npy 文件和 .h5 文件等 load 权重的过程有什么区别？尤其是为什么在时间上会有很大差别？

向左滑动，查看专家建议

A

.pb 和 .h5 都是 TensorFlow 支持的模型格式，理论上加载时间不会有很大的区别，如果你有看到加载同一个模型的不同格式造成很大的区别，请到 GitHub 报一个 bug, 告诉我们重现的方法。.npy 不是 TensorFlow 的官方模型格式，无法保证。

提问者ID: 关先生

TensorFlow 码上作答 </>

Vol.3

Q8

在学习 TF 有些疑惑：

1. Dense (hidden_unit, activation ='relu')，为什么要把 relu 作为激活函数，hidden_unit 隐藏单元应该给数值，给多少? 

2. model.compile (optimizer, loss, metrics)，优化器、损失函数等是否对应不同的实例问题才有不同的优化器和损失函数，应该怎么判断和选择？

向左滑动，查看专家建议

A

模型的超参数选择（包括不同参数，激活函数，优化器等等）需要经过很多实验，通过实验结果的效果来反复调试，目前没有挑一的方法。建议根据你的实际问题情况参考前人的经验进行设置，有了一个好的 baseline 以后再进行修改。

提问者ID: I think therefore I am

TensorFlow 码上作答 </>

Vol.3

Q9

以前用的时候有关于 avx2 指令集警告，在弹出这种警告的时候能不能顺便做出升级或者降级到哪个版本 TensorFlow 的指示呢？

向左滑动，查看专家建议

A

这个不影响 TensorFlow 的使用，只是提示你安装的 TensorFlow 版本没有充分利用 CPU 性能。你可以自己编译 TF 代码解决这个问题。

提问者ID: 图

TensorFlow 码上作答 </>

Vol.3

Q10

对于 TF1 之后的 API 是不是意味着稳定，对于那些在工业界求稳定的工程师来说，对于 TF1 是不是有好的 API 推荐以及相关的资料。

向左滑动，查看专家建议

A

强烈建议升级到 TensorFlow 2 。目前的 TensorFlow 2.3 已经很稳定了，而且新功能只会在 TensorFlow 2.x 的基础上进行开发。

TensorFlow 码上作答 </>

Vol.3

Q11

官方对于新语言的 API 是如何支持的，除了 C++ API 的话，其它都是基于 C API 做出来的么，关于是否有支持 Rust 的决定呢？

向左滑动，查看专家建议

A

Rust 已经有社区的支持 。

扫码了解详情

提问者ID: David

TensorFlow 码上作答 </>

Vol.3

Q12

你好，我想把 TensorFlow 官方教程中的 image caption 模型转换为 TFLite 模型，可是不知道怎么做。

详见：

https://github.com/tensorflow/tensorflow/issues/42319

向左滑动，查看专家建议

A

我们相关同事已经在 Github 里跟进，

敬请关注。

提问者ID: 二饼

TensorFlow 码上作答 </>

Vol.3

Q13

我现在在用 TF 2 做验证码识别，是用 captcha 生成的 4 位纯数字验证码，输出层是 40, 使用 softmax，loss 一直没有变化，accuracy 一直是 0.1，请问是什么问题导致的？

向左滑动，查看专家建议

A

没有具体的代码很难推测是什么问题。不过输出层是 40 看起来有点可疑，个人感觉应该是 1000（10^4）而不是 40（10*4）。

建议采取化繁为简的调试策略，先用你的代码尝试 1 位数字（跟 MNIST 一致了），确认没有问题以后再尝试 2 位。

提问者ID: banhanliang

TensorFlow 码上作答 </>

Vol.2

Q14

为什么Google Research 工作开源的代码用 PyTorch ？

向左滑动，查看专家建议

A

Google 是非常开放的公司，虽然绝大部分机器学习相关的项目都使用 TensorFlow，但是也会有一些同事根据项目的实际需要使用 Google JAX 和 PyTorch 等其他框架。

以上就是第三期“码上作答”的问与答

是否给你带来了灵感启发？

如果大家还有其他的疑问

或者对以上问题有其他见解

欢迎在留言区分享！

以下再次整理魏巍分享过的常用文档链接

记得一键收藏哦！

核心文档：

🔗 Tutorial（教程）: 

https://tensorflow.google.cn/tutorials

🔗 Guide（指南）: 

https://tensorflow.google.cn/guide

🔗 API reference（ API 参考）:

https://tensorflow.google.cn/api/stable

重要组件：

🔗 TensorFlow Lite: 

https://tensorflow.google.cn/lite

🔗 Tensorflow.js: 

https://tensorflow.google.cn/js

🔗 TensorFlow Extended (TFX):

https://tensorflow.google.cn/tfx

🔗 TensorFlow Hub: 

https://tensorflow.google.cn/hub

🔗 Swift for TensorFlow: 

https://tensorflow.google.cn/swift

模型参考：

🔗 TensorFlow Model Garden: 

https://github.com/tensorflow/models

求助提问、提交 issue：

🔗 StackOverflow: https://stackoverflow.com/questions/tagged/tensorflow

🔗 TensorFlow 开发论坛: https://groups.google.com/a/tensorflow.org/forum/#!forum/discuss

🔗 GitHub: 

https://github.com/tensorflow/tensorflow/issues

🔗 邮件组和帮助渠道： https://tensorflow.google.cn/community/contribute/community

想要了解更多答疑内容和学习干货

① 《机器学习 Study Jam 答疑精选》：

第一次答疑精选 | 第二次答疑精选

②关注 TensorFlow 微信公众号，

后台回复关键词 “实用文档”，

你将获得【 TensorFlow 实用文档合集大礼包】

轻松掌握

 TensorFlow 深度学习框架的文档使用技巧。

风雨不改，

TensorFlow “码上作答” 

每个月都会来到你身边。

欢迎持续关注 TensorFlow 公众号，

把握每一个和大神交流的机会！