使用 TensorFlow 2 和 Keras 的深度学习——笔记本

本项目是本人 使用 TensorFlow 2 和 Keras 的深度学习 培训课程的配套内容。它以 Jupyter 笔记本的形式，包含了练习题及其解答。

如果您正在寻找我为 O'Reilly 出版的书籍《使用 Scikit-Learn 和 TensorFlow 的动手机器学习》（Hands-on Machine Learning with Scikit-Learn and TensorFlow）所编写的代码，请访问此 GitHub 项目：ageron/handson-ml2。

快速入门

想在线体验这些笔记本，而无需安装任何东西吗？

您可以使用以下任意一项服务。

警告：请注意，这些服务提供的都是临时环境；您所做的任何操作在一段时间后都会被清除，因此请务必下载您关心的数据。

• 推荐：在 Colaboratory 中打开此仓库：

• 或者在 Binder 中打开：

• 注：大多数情况下，Binder 启动迅速且运行良好，但当 tf2_course 更新时，Binder 会从头开始创建新环境，这可能需要相当长的时间。

• 或者在 Deepnote 中打开：

只想快速浏览一些笔记本，而不执行任何代码吗？

请使用 jupyter.org 的笔记本查看器 浏览此仓库：

注：github.com 的笔记本查看器 也可以使用，但速度较慢，且数学公式有时无法正确显示。

想在自己的电脑上安装该项目吗？

首先，请安装 Anaconda（或 Miniconda）、git，并且如果您拥有兼容 TensorFlow 的 GPU，还需安装 GPU 驱动程序，以及相应版本的 CUDA 和 cuDNN（详情请参阅 TensorFlow 官方文档）。

接下来，通过打开终端并输入以下命令来克隆该项目（每行开头的 $ 不需输入，仅表示这是终端命令）：

$ git clone https://github.com/ageron/tf2_course.git
$ cd tf2_course

然后运行以下命令：

$ conda env create -f environment.yml
$ conda activate tf2c
$ python -m ipykernel install --user --name=python3

最后，启动 Jupyter：

$ jupyter notebook

如需更多说明，请阅读详细的安装指南。

常见问题解答

我应该使用哪个 Python 版本？

建议使用 Python 3.7。如果您按照上述安装步骤操作，将获得该版本。大多数代码也能在其他 Python 3 版本上运行，但部分库目前尚不支持 Python 3.8 或 3.9，因此我推荐使用 Python 3.7。

我在 macOSX 上遇到 SSL 错误

您可能需要安装 SSL 证书（请参阅此 StackOverflow 问题）。如果您是从官方网站下载的 Python，请在终端中运行 /Applications/Python\ 3.7/Install\ Certificates.command（将 3.7 替换为您安装的版本）。如果您使用 MacPorts 安装了 Python，则在终端中运行 sudo port install curl-ca-bundle。

我已经在本地安装了该项目。如何将其更新到最新版本？

请参阅 INSTALL.md。

使用 Anaconda 时，如何将 Python 库更新到最新版本？

请参阅 INSTALL.md。

好了！现在就开始愉快地学习 TensorFlow 2 吧！

tf2_course 快速上手指南

本指南旨在帮助开发者快速开始使用 tf2_course 项目，通过 Jupyter Notebook 学习 TensorFlow 2 和 Keras 深度学习内容。

环境准备

在本地安装前，请确保满足以下系统要求：

• 操作系统：Windows、macOS 或 Linux。
• Python 版本：推荐 Python 3.7（部分库可能暂不支持 Python 3.8+）。
• 必备工具：
  • Anaconda 或 Miniconda（用于管理环境和依赖）。
  • Git（用于克隆代码库）。
• 可选硬件加速：
  • 若拥有兼容的 NVIDIA GPU，请提前安装对应的 GPU 驱动、CUDA 及 cuDNN（具体版本请参考 TensorFlow 官方文档）。

提示：国内用户若下载 Anaconda 或 Git 较慢，可使用清华大学或中科大镜像站获取安装包。

安装步骤

打开终端（Terminal 或 CMD），依次执行以下命令：

1. 克隆项目代码

   git clone https://github.com/ageron/tf2_course.git
   cd tf2_course
   

2. 创建并激活 Conda 环境 此步骤将根据 environment.yml 自动安装所需依赖（包括 TensorFlow 2 和 Keras）。

   conda env create -f environment.yml
   conda activate tf2c
   

   加速提示：若 conda 下载依赖速度过慢，可配置清华镜像源： conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

3. 注册 Jupyter 内核 将当前环境添加到 Jupyter Notebook 的内核列表中，以便在界面中选择该环境。

   python -m ipykernel install --user --name=python3
   

4. 启动 Jupyter Notebook

   jupyter notebook
   

   执行后浏览器将自动打开，即可看到项目中的笔记本书列。

基本使用

方式一：本地运行（推荐）

启动 Jupyter 后，点击任意 .ipynb 文件（例如 01_neural_nets_with_keras.ipynb）即可开始学习。

• 在页面右上角确保选中的内核为 python3 (对应刚才激活的 tf2c 环境)。
• 按顺序运行单元格（Cell）中的代码块进行练习。

方式二：在线免安装运行

若不想配置本地环境，可直接通过以下云平台加载本项目（注意：云端环境为临时性的，重要数据请及时下载）：

• Google Colaboratory (推荐): 在 Colab 中打开
• Binder: 在 Binder 中打开 (注：首次加载或项目更新时，Binder 构建环境可能需要较长时间)
• Deepnote: 在 Deepnote 中打开

仅查看代码

若只需浏览代码而不执行，可使用 Jupyter Notebook Viewer，渲染效果优于 GitHub 原生预览。