《TensorFlow 2项目进阶实战》2-快速上手篇：动⼿训练模型和部署服务

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/DjangoPeng

摘要

文档为《TensorFlow 2项目进阶实战》视频课程的快速上手篇，主题为动手训练模型和部署服务。内容涵盖TensorFlow 2开发环境搭建，支持的操作系统包括Python 3.5-3.7、Ubuntu 16.04或更高、Windows 7或更高、macOS 10.12.6或更高（无GPU支持）及Raspbian 9.0或更高。介绍了使用tf.keras.datasets和tf.data.Dataset加载数据的方法，以及使用tf.keras.Model管理模型。以Fashion MNIST数据集为例，展示了使用TensorFlow 2训练分类网络的过程，包括构建CNN模型网络的Functional API示例代码。

AI总结

该文档是《TensorFlow 2 项目进阶实战》课程中“快速上手篇”的内容概要，核心目标是指导用户快速完成从环境搭建到模型训练与部署的全流程。

**核心内容与关键步骤：**

1. **开发环境搭建**：支持的操作系统包括 Ubuntu 16.04+、Windows 7+、macOS 10.12.6+（不支持GPU）以及 Raspbian 9.0+，Python 版本要求为 3.5-3.7。
2. **数据加载**：介绍了两种方式：
- 使用 `tf.keras.datasets` 加载内置数据集。
- 使用 `tf.data.Dataset` 进行更灵活的数据加载与管理。
3. **模型构建与管理**：使用 `tf.keras.Model` 管理模型，并展示了两种构建方式：
- **Sequential API**：构建简单的全连接网络，例如包含 `Flatten`、`Dense(128, relu)`、`Dropout(0.2)` 和 `Dense(10)` 层的分类网络。
- **Functional API**：构建更复杂的模型，例如通过 `tf.keras.Input` 和 `tf.keras.layers.Dense` 定义输入输出。
4. **数据集与任务**：以 **Fashion MNIST** 数据集为例，指导用户使用 TensorFlow 2 训练一个图像分类网络。
5. **课程形式**：该文档为视频课程的配套材料，用户可通过扫码试看或订阅完整视频课程。