安装TensorFlow 2.0 preview进行深度学习（附Jupyter Notebook）- 专知

安装TensorFlow 2.0 preview进行深度学习（附Jupyter Notebook）

【导读】深度学习框架TensorFlow 2.0 （preview版）可以用pip进行安装了。本文介绍安装TensorFlow 2.0 preview的方法，并介绍一个Github项目tf2_course，它包含了一些TensorFlow 2的练习和解决方案，以Jupyter Notebook的形式展现。

TensorFlow是最流行的深度学习框架之一，大家期待已久的TensorFlow 2.0现在出了Preview版本，并且可以直接通过pip安装。目前的TensorFlow 2.0 Preview版本可能会包含一些bug，并且不能保证和最终的2.0 Release版一致。

TensorFlow 2.0 Preview版本的安装

我们在Ubuntu上的Python 3.6环境中成功安装了TensorFlow 2.0 preview（暂时没有在Windows或Python3.5环境上成功安装）。首先需要用Miniconda或Anaconda创建一个名为python36的Python3.6环境：

conda create -n python36 python=3.6

安装完成后用下面命令进入python36环境：

source activate python36

然后使用pip直接安装TensorFlow 2.0 Preview：

pip install tf-nightly-gpu-2.0-preview

注意：如果要运行tf-nightly-gpu-2.0-preview，需要安装CUDA 10，否则会报下面的错误：

ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory

tf2_course教程

tf2_course是Github上的一个Jupyter Notebook项目，包含了TensorFlow 2的练习和解决方案，Github地址为：https://github.com/ageron/tf2_course

用git命令clone教程到本地，可以将$HOME替换为你希望存放的路径：

$ cd $HOME  # or any other development directory you prefer
$ git clone https://github.com/ageron/tf2_course.git
$ cd tf2_course

教程的Jupyter Notebook都在tf2_course中，其中包括：

Neural Nets with Keras
简介：
用tensorflow.keras进行一些常规的神经网络操作。
链接：
https://github.com/ageron/tf2_course/blob/master/01_neural_nets_with_keras.ipynb
Low-Level TensorFlow API
简介：
一些基本的tensorflow API，如层的定义等。
链接：
https://github.com/ageron/tf2_course/blob/master/02_low_level_tensorflow_api.ipynb
Loading and Preprocessing Data

简介：
数据预处理，如tf.data.Dataset。
链接：
https://github.com/ageron/tf2_course/blob/master/03_loading_and_preprocessing_data.ipynb