Lesson - 01 | Introduction to TensorFlow

最初基於 Python， TensorFlow 已擴展對其他語言的支援 例如 JavaScript (TensorFlow.js)、C++、R、Java、Go、Rust 和 Swift。 這使得在 Web、伺服器和嵌入式環境中進行開發變得簡單。 它還可以在本地或雲端、多 GPU 叢集以及 Google 設計的專用硬體（例如 TPU）上運行，以加速效能。

這次Tensorflow 2.0改了許多東西，讓Tensorflow更加易用以及更Pythonic了。 接下來會提三點我認為最重要的改動 (不只這些改動)。

首先将 Tensor</b>Flow 导入到您的程序： 如果您在自己的开发环境而不是 Colab 中操作，请参阅设置 Tensor</b>Flow 以进行开发的安装指南。 注：如果您使用自己的开发环境，请确保您已升级到最新的 pip 以安装 TensorFlow 2 软件包。有关详情，请参阅安装指南。 在「tensorflow.google.cn」查看更多資訊 通过堆叠层来构建 tf.keras.Sequential模型。 对于每个样本，模型都会返回一个包含 logits 或 log-odds分数的向量

當我們在說 &ldquo;我想要學習一個深度學習框架&rdquo;，或者 &ldquo;我想學習 TensorFlow&rdquo;、&ldquo;我想學習 TensorFlow 2.0&rdquo; 的時候，我們究竟想要學到什麼？

TensorFlow 是由 Google 开发的开源机器学习框架，用于构建和训练各种机器学习和深度学习模型。 TensorFlow 名字来源于其核心概念：Tensor（张量） 和 Flow（流动），表示数据以张量的形式在计算图中流动。

An end-to-end open source machine learning platform for everyone. Discover TensorFlow&#39;s flexible ecosystem of tools, libraries and community resources.

TensorFlow充當機器學習的核心平台和函式庫。 TensorFlow的API使用 Keras 來允許使用者製作自己的機器學習模型 [17]。 除了建造和訓練它他們的模型之外，TensorFlow還能幫助裝載資料來訓練模型，並使用TensorFlow Serving來部署它 [18]。