2019年下半年， tensorflow更新到了2.0版本，對Keras API進行了兼容，使用起來更加方便，可以快速搭建神經網絡進行模型計算。最近幾年陸續也利用工作之餘，學習過一些機器學習和神經網絡的書籍，許多內容沒有吃透，因此準備整理下之前的材料，作爲學習筆記，也和大家一起溝通學習。
TensorFlow雖然在運算速度上並不一定最快，但它有以下優點：
1，流行度高：相比較於其它開源工具keras、MNNet、PyTorch來說流行度更高，因此在學習資料、數據集及案例也會更多，而且隨着開源生態的發展會出現更多的算法。
2，工業級工具，tensorflow是google內部機器學習工具，通過支持多GPU以及分佈式部署方式處理海量數據，分佈式部署的模式,將一個訓練任務拆分成多個小任務,配置到不同的計算機上完成協同運算,這樣使用計算機羣運算來代替單機運算，提高效率。
3，即有高階TF.KERAS API方便搭建常用模型，也有低階的函數可以擴展及優化。也就是即適合初學者，也適合資深AI開發者。
首先介紹下TensorFlow2.0的安裝，由於GPU版本對硬件要求較高，CPU版本作爲學習也足夠。以下步驟爲基於windows CPU版本安裝步驟，mac和linux版本安裝類似，GPU版本安裝可見官網。
（1）Tensorflow依賴Microsoft Visual C++ 2015 Redistributable Update 3，需要先行安裝，以下是安裝鏈接，下載後進行安裝；
https://www.microsoft.com/zh-cn/download/details.aspx?id=53840
（2）安裝anaconda：可自行百度，安裝最新版本；安裝好後在命令行（CMD）輸入命令查看目前的env。
conda info –envs
（3）新建環境，其中名稱爲 TF_2C , pip 爲19.3版本（需要19.0以上版本，anaconda默認爲pip 9，所以需要指定版本）
conda create -n TF_2C python=3.6 pip=19.3
環境分析完後，輸入Y進入安裝。
（4）激活新建的環境 ：conda activate TF_2C
（5）安裝tensorflow 2 ，這裏使用清華的鏡像，豆瓣鏡像還沒有2.0版本:
pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
安裝中可能存在的問題：
1）報錯：ModuleNotFoundError: No module named 'setuptools._deprecation_warning'。更新setuptools組件，如上圖在env中輸入即可：pip install --upgrade setuptools
2）缺少庫，XXX depreciated 等問題，檢查是否安裝了 Microsoft Visual C++ 2015 Redistributable Update 3。
（6）驗證，在TF_2C 環境中輸入python , 並打印TensorFlow版本，出現版本後就說明安裝成功了。
三、Eclipse配置
因習慣eclipse的開發環境，通過eclipse可以不用切換開發工具，Eclipse的Pydev插件安裝可參考https://www.cnblogs.com/xdzy/p/9458635.html
在建立project中可以選擇和配置環境，在本文中選擇anaconda下新建的TF_2C環境下的python.exe。配置完成後，打印版本號驗證下是否選擇正確
