之前十一，十二章节，使用的都是TF1.0的版本和概念进行讲解。
现在TF升级到2.0了，变化蛮大，至少不大像兼容的样子。跑之前的 十一，十二章节代码，跑不动。
TF2.0主要用到的是keras包，这个确实写起来比1.0要简介非常非常多。下来逐个讲解。
首先安装，官网的，参考如下：
使用 pip 安装 TensorFlow
按顺序装吧，注意中途需要安装的插件，尽管安装即可。
注意，里面需要一个python的虚拟环境，这个我们直接用PyCharm吧，创建新项目本身就是一个干净的环境了。
这里有个坑。这个版本号称是支持CPU和GPU版本，但实际上我装上去后，直接还是报没有GPU的错。（当然，也有可能是因为我的电脑本身有英伟达的显卡原因）
按照错误提示，打开对应的网址（TF官方的），这里要按照里面的要求步骤，逐个逐个的安装英伟达的驱动，工具等（有链接地址）注意，英伟达官网的驱动和工具下载选项里面有一个10，11，这个不是工具版本，而是win10，还是win11，我被这个可坑惨了。
一系列安装操作结束，设置环境变量，再跑代码，这个时候会告警：
2021-11-11 19:13:02.870676: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2021-11-11 19:13:03.326665: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1510] Created device /job:localhost/replica:0/task:0/device:GPU:0 with 2788 MB memory: -> device: 0, name: Quadro P620, pci bus id: 0000:01:00.0, compute capability: 6.1
估计GPU还是没装上，不过代码已经能跑了，就不管了。
开跑TF训练，先来个经典的神经网络，官网入门级的教程就有：
import tensorflow as tf
#获取训练数据，返回的对象是NumPy 数组
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
#创建模型
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),#输入层，将二维的图片28*28的数据展平成1*784
tf.keras.layers.Dense(128, activation='relu'),#第一个隐藏层，输出是一个1*128的数据
tf.keras.layers.Dropout(0.2),#过拟合处理，压平数据
tf.keras.layers.Dense(10, activation='softmax')#第二个隐藏层，并输出1*10结果
])
#设定梯度迭代公式
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
#喂数据，进行训练
model.fit(x_train, y_train, epochs=5)
#验证数据
model.evaluate(x_test, y_test)
代码很简单，我们看看输入的数据的结构：
print(x_train.shape) print(y_train.shape) (60000, 28, 28) (60000,)
x输入层，有60000个然后是一个28*28的一个数组，数组里面是0-255的灰度颜色值
