官方文档太辣鸡？TensorFlow 2.0开源工具书，30天「无痛」上手
机器之心报道
项目作者：lyhue1991
「官方文档排布凌乱、搜索难用、API 丑陋不堪……」这是很多人对 TensorFlow 官方文档的吐槽。但吐槽归吐槽，到了工业界，你是无论如何也绕不开这个框架的。既然非学不可，那怎么让这个学习过程变得更加平滑呢？有人在 GitHub 开源了一个名为《30 天吃掉那只 TensorFlow) 9 r c w &2.0》的入门工具书，或k h m h许可以让你无& % _ u : (痛上手 TensorFlow 2.0。
作者 lyhue1991 表示，这本书对「人类用户极其友; t .善」，以「x 7 1 k c ~ RD4 a kon\'t let me think」为最高H t b w追求，「如果说通过学习 TensorFlow 官方文档掌握 TensorFlow2.0 的难度大概是 9 的话，那么通过学习本书掌握 TensorFlow2.0 的难度应该大概是 3。」该教程与 TensorFlow 的差E L M 6 %异如下所示：
图片来: = )自项目作者提供的开源文档。
从课程大纲来看c Q x D a i，有一定基础的读者只需三十天就可以学完整个教程，而且每1 t 0天都被安排得明明白白。
开源电子书地i ^ G - X Y t ?址：https://lyhue1991.github.io/eat_tensorflow2_in_30_days/
GitHub 项目地址：https://github.com/lyhue1991/eat_tensorflow2_in_30_days
为什么一定要学 TensorFlow？
随着 PyTorch 热度的升高，越来越多的人似乎正在转向 PyTorc/ 2 Y c w uh。与 TensorFlow 相比，PyTorch 在易用性方面占有更多优势，更加方便= n b ~ s调试，满足了研究者快速迭代发表文章的需求，目前已经成为学术界使用的主P y e V K 2 y ( -者就将该书的底线定W o ] k为「不刻意恶心读者」，声称对读者极其友好。具体而言，这本书有以下三大写作特点：
在参考 TensorFJ L ilow 官方文档和函数 doc 文档的基础上整理而成，但在篇章结构和范例选择上进行了大量的优化；
不同于 TensorFlow 官方文档中教程指0 I g G H南混杂的篇章结构，本书按照内容难易程度、读者检索g u x R = G h习惯和 TensorFlow 自身的层次结构设计内容，循序渐进，层次清晰，从而方便读者按照功能快] ] x N 1 ,速查找相应范例；
不同于 TensorFlow 官方文档中冗长的范例代码，本书在范例设计上也尽可能地简约化和结构化，从而增强了范例的易读性和通用性，大部分代码片段在实践中也实现了即取即用。
课程大纲
学k Y Z G F a习环境配置
本书提供的所有学习8 G { J +内容均在 Jr ) Supyter 中编写，且在 Tensn u c ( Y 4 j _orFlow 2.1 版本上全部测试通过。直接将项目克隆到本地，使用任意一款 markdown 软件即可查看。不过项目作者建议$ , l . Z F (安装 jupytext，将 markdown 转换成 ipnb，之后就可以在 Jupyter 中交互式运行学习了。我们在 notebook 中运行如下代码，进行学习环境配置。
#克隆本书源码到本地,使用码云镜像仓库国内下载速度更快
!git cln s @ 6 n c 9 U =one https://gitee.com/Python_Ai_Road/eat_tensorflow2_in_30_days
#建议在jupyter notebook 上安装jupytext，以便能够将本书各章节marke u gdown文件视作ipynb文件- p = a C T g运行
!pip instal. 0 l d } P ) zl -i https://pypi.tuna.tsinghua.edu.cn/s+ * +imple -U jupytext
#建议在jupyter notebook 上安装最新版本tens^ _ @ Q e r Sorflow 测试本书中的代码
!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U tensorflow
在 noU E Q b LtebooX E U + h uk 中输入如下代码，查看 TensorFlow 版本并测试 TensorFlow 是否安装成功：
import tensorflow as tf
#注：本书全部代码在tensorflow 2.1版本测试通过
tf.print(\"t+ ; & L l ; D qensorflow veM c 2 R Q 8rsion:\",tf.__version9 I R__)
a = tf.constant(\"hello\")
b = tf.constant(\"tensorflow2\")
c = tf.strings.join(,\" \")
tf.print(c)
当看到如下输出时，说明 TensorFlow 已经成功安装并运行。接下来就可以愉快地开始k ] r A &课程学习了。
tensorflow version: 2.1.0
hN Z I L W R d ello tensorfloe a v +w2
课3 8 k V D w d 8程内容一览
以下是本书的 30 天学习计划安排，作者很详细地列出了每一小节学习的难度以及大致的学习时间，可谓体贴入微。真正做到了作者f p 6 ) w L a追求的为读者着想，不炫技为难读者。
在前一周的时间里，作者主要为我们介绍了 TensorFlow 的建模流程、相关核心概念以及不同层次 API 概述，使读者对 TensorFlow 有一个全面准确的认识，为后续具体的学习内容打下基础。毕竟子曾经曰过「工欲善其事，必先利其器」嘛。
在接下来的两周左右时间里，作者分别为我们介绍了 TensorFlow 的低阶、中阶和高阶 APIe c g。其中，低阶 API 涵盖了张量的操作与运算、自动图机制。中阶 API 涵盖 Datash * # / eet、l. 5 | Y = ! Y % zayers、损失函数和优V 3 Z化器等内容介绍。高阶 API 涵盖了模型的构建与训练、单 GPU/多r + , s GPU/TPU 的使M S 7用和训练完成模型的部署。可以说你应该了解 TensorFlow 的所有内容都在本书里面了。
作者& q - H e ~简介
GitHub 项目界面的「后记」文档显示，项目作者毕业e b . d于「北京吃饭大学」，学的是理论物理，原先在金融行业做量化交易，j _ U a { 2为了「改善伙食」一步步转行算法工程师。其间坚持自学并利用周末和晚上的时间录制教学课程。他- * a 5 l 6 0 e的自我定位是「一个有毅力的吃货」，从书名也可以看出来。对项目作者感兴趣的读者可W X U 7 E x / @ e以去读一下「后记」文档。