3 月 6-7 日，在 TensorFlow 的 2019 峰會上正式推出了 2.0 Alpha 版本。
新的 TensorFlow，代碼很簡潔，搭建模型更容易，下面通過一個最簡單的模型，來看用 2.0 搭建神經(jīng)網(wǎng)絡(luò)模型的一般流程：

1. 建立一個最簡單的神經(jīng)網(wǎng)絡(luò)

首先用一個很簡單的網(wǎng)絡(luò)來了解一下 TensorFlow 2.0 的工作流程。

例如，我們有一組訓練集，x 和 y 之間滿足這個關(guān)系：
y = (2 * x) - 1

接下來要建立一個最簡單的神經(jīng)網(wǎng)絡(luò)，讓它來學習出這種關(guān)系，輸入新的 x ，可以輸出相應的 y。

import tensorflow as tf
import numpy as np
from tensorflow import keras

這個模型超簡單，只有一層，這層只有一個神經(jīng)元，input shape 只是 1.

model = tf.keras.Sequential(
            [keras.layers.Dense(units=1, input_shape=[1])]
            )

然后編譯模型，這里指定兩個函數(shù) loss 和 optimizer。
神經(jīng)網(wǎng)絡(luò)在學習這個關(guān)系時，它先是猜一個系數(shù)，比如 y=10x+10，
這樣模型的輸出和實際的結(jié)果就會有一個差距，loss 就是來表示這個差距。
然后神經(jīng)網(wǎng)絡(luò)就用 optimizer 來根據(jù)這個 loss 進行下一步的猜測，它的目標就是讓 loss 越來越小，比如這時變成了 y=5x+5。
就這樣一點點讓 loss 變小，來得到不錯的模型。

model.compile(optimizer='sgd', 
            loss='mean_squared_error')

接下來是數(shù)據(jù)，我們用一個很小的例子，x 和 y 之間符合 y = (2 * x) - 1 關(guān)系。

xs = np.array([-1.0,  0.0, 1.0, 2.0, 3.0, 4.0], dtype=float)
ys = np.array([-3.0, -1.0, 1.0, 3.0, 5.0, 7.0], dtype=float)

訓練模型，
這里最簡單的方式是用 model.fit，在這一步中模型會用上面提到的過程，開始學習 x 和 y 之間的關(guān)系。
先猜測一組系數(shù)，
衡量一下模型的表現(xiàn)，
用 optimizer 進行下一組猜測，
執(zhí)行指定的 epoch 次后，得到最后的模型。

model.fit(xs, ys, epochs=500)

模型訓練好后，可以用 model.predict 來預測新的數(shù)據(jù)。

print(model.predict([10.0]))

學習資料：
Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning
https://www.coursera.org/learn/introduction-tensorflow/home/welcome

大家好！
我是 不會停的蝸牛 Alice，
喜歡人工智能，沒事兒寫寫機器學習干貨，
歡迎關(guān)注我！