开发者学堂课程【Tensorflow2.0入门与实战：Tensorflow 课程简介】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/664/detail/11095
Tensorflow 课程简介
内容介绍：
一、Tensorflow 2.0 简介
二、Tensorflow 2.0特点
三、Tensorflow 2.0 课程框架
一、Tensorflow 2.0 简介
2019年1月份 Tensorflow 2.0 预览版(alpha)发布
TensorFlow 2.0 专注于简洁性和易用性，相对于1.x 版本陡峭的学习曲线，2.0入门深度学习难度大大降低。（TensorFlow 1.0 版本的 APl 设计复杂， Tensorflow 2.0 相对来说更简单，降低了学习难度和搭建神经网络的难度）
二、Tensorflow 2.0特点
1.通过清理废弃的 API 和减少重复来简化 APl。
2.在训练方面:
使用 Keras 和 eager execution 轻松构建模型。为研究提供强大的实验工具。
Keras 和 eager execution：
Keras（深度学习）：为人类设计的 API（简单，清晰）
eager execution ：Tensorflow 2.0 中默认使用 eager execution 模式，即命令行模式（可见即可得）。
在 Tensorflow 1.0 中不是命令行模式，需要创建一个 Session 对象，通过 Session 建立一个图运算，然后通过 Session 去运行该图运算得到结果，大大降低学习和研究的效率。
3.在研究方面
为研究提供强大的实验工具。
Tf.keras:允许创建复杂的拓扑，包括使用残差层、自定义多输入/输出模型以及强制编写的正向传递。轻松创建自定义训练循环。低级 TensorFlow API 始终可用，并与更高级别的抽象一起工作，以实现完全可定制的逻辑。
4.在部署方面
在任意平台上实现稳健的生产环境模型部署
不论是在服务器、边缘设备还是网页上，也不论你使用的是什么语言或平台，TensorFlow 总能让你轻易训练和部署模型。
TensorFlow 2.0中，通过标准化交换格式来改进跨平台和跨语言部署。
三、Tensorflow 2.0 课程框架
1.tf.keras
构建和训练模型的核心高级 API
2.Eager 模式与自定义训练
直接迭代和直观调试，Eager 模式下求解梯度与自定义训练
（1）Eager 模式
直接迭代和直观调试
（2）tf.GradientTape
求解梯度，自定义训练逻辑
3.tf.data
加载图片数据与结构化数据
4.介绍 tf.fuction
自动图运算
5.卷积神经网络
6.多输出卷积神经网络综合实例
7. 迁移学习
8.模型保存与可视化
9.基本图像定位
10.基本图像语义分割(FCN模型和UNET模型)
11.文本分类
12.序列预测
目前发布的是2.0预览版
本课程代码适用 Tensorlfow2.0 及以上版本
