最近，TensorFlow 2.0版的開發者預覽版發佈沒多久，這不，又有一篇優質教程來了。

前Youtube視頻分類的產品經理、Hands-On MachineLearning with ScikitLearn and TensorFlow一書的作者Aurélien Geron

就發佈了用tf.keras和TensorFlow2.0做深度學習任務的Jupyter教程。

教程一發，網友點贊轉發不在少數，不少網友表示教程簡潔重點“真的很棒”！

安裝

教程開始——

如果之前你沒安裝過git那就先開始安裝吧，輸入以下命令複製存儲庫。

如果熟悉Python並知道如何安裝Python庫，就繼續安裝NumPy、Matplotlib、Jupyter和TensorFlow吧，可以在requirements.txt中查看詳細信息，然後跳轉到Starting Jupyter部分。

相關地址：

https://github.com/ageron/tf2_course#starting-jupyter

很多人可能已經安裝了2.0的預覽版，有些人甚至安裝了3.0版本，所以先檢查你的Python版本，確定下自己的是哪一種：

這個教程需要Python 3.5或者Python 3.6，TensorFlow目前還不支持Python 3.7。你可以稍微調整後，在Python 2中運行這段代碼，但還是建議升級到Python 3。

這時的第一種選擇因系統而異，在Windows或MacOSX系統上可以從官網下載，MacOSX系統也可以使用MacPorts或Homebrew。Linux要用系統封裝。

官網地址：

https://www.python.org/downloads/

比如，在Debian或Ubuntu中輸入：

第二種選擇是下載並安裝Anaconda，包含Python和很多庫。

Anaconda的使用

如果剛剛你選擇了其二Anaconda，現在就能創建本教程專用的獨立Python環境了：

新的Python 3.6環境tf2course出來後激活它，此外，我們還需要繼續安裝：

這一步是在tf2course環境中安裝TensorFlow 2，如果上一步沒有創建這個環境，需要刪除-n tf2course選項。

好了準備階段馬上結束，下面即將步入Starting Jupyter的校車。

pip的使用

如果上一步你沒有使用Anaconda，則需要安裝本課程所需的幾個科學Python庫：NumPy，Jupyter，Matplotlib和TensorFlow。

因此可以借用Python的集成封裝系統pip，你也可能更喜歡使用系統自己的封裝系統。使用系統封裝系統優勢也很明顯，就是庫版本與系統其他軟件包之間存在衝突的風險較小。

而pip的優點是可以容易地創建包含不同庫和不同庫版本的多個Python環境，且每個環境都相互隔離。

如果想用pip安裝所需的庫，試試下面這些指令。

首先確保安裝了最新版本的pip：

接下來需要創建隔離環境，這樣做可以為每個項目提供不同的環境，方便以後的不同任務：

這是系統會自動創建一個env模塊來調用當前目錄，也包括使用python 3隔離出的單獨環境。如果你在系統上安裝了多個版本的Python 3，可以將which python3替換成你希望使用的可執行文件路徑。

在每次激活環境前，都需要你運行此命令：

接下來用pip安裝所需的Python安裝包：

大功告成！你只用啟動Jupyter就可以了。

啟用Jupyter

打開Jupyter，輸入下面這段代碼：

現在打開你的瀏覽器可以看到Jupyter的樹狀圖，如果瀏覽器沒有自動打開，你需要先跳轉到localhost：8888。

localhost：8888地址：

http://localhost:8888/tree

接下來單擊*.ipynb打開Jupyter筆記本。好了，祝你在TensorFlow 2中玩得開心！

作者提示，因為TensorFlow 2.0版還未正式發佈，所以預覽版與最終版可能存在一定區別，正式發佈後還請各位稍加留意。

傳送門

GitHub教程：

https://github.com/ageron/tf2_course

閱讀更多 七月在線 的文章

關鍵字: 教程 Homebrew