谷歌发布了tensorflow2.0的alpha 版本,让我们来一睹为快.
作者的系统是ubuntu,为了简化安装，使用了官方的docker镜像
sudo docker pull tensorflow/tensorflow:2.0.0a0-gpu-py3
2.0.0a0-gpu-py3-jupyter是镜像的标签，它代表是tensorflow的2.0.0a0版本，支持GPU加速，python的版本是３.x.
可以根据自己的实际情况选择其他标签
- latest-py3 最新的python3 CPU版本
- 2.0.0a0-gpu-py3-jupyter 版本为2.0.0a0,支持CPU python3.x 预装了jupyter
- latest-gpu 最新的版本，支持GPU和python2.x
更多标签https://hub.docker.com/r/tensorflow/tensorflow/tags/
在镜像文件下载完之后，可以查看确认
sudo docker image ls
可以看到刚才我们pull的镜像文件。现在我们来运行
sudo docker run --runtime=nvidia -it --rm tensorflow/tensorflow:2.0.0a0-gpu-py3 \
python -c "import tensorflow as tf; print(tf.__version__)"
如果没什么意外，终端会显示
2.0.0-alpha0
到此，安装完毕，接下来我们可以试试这个新玩具。
为了方便，我们把系统文件目录~/Documents挂载到容器里/data
sudo docker run --runtime=nvidia --rm -it -v ~/Documents:/data tensorflow/tensorflow:2.0.0a0-gpu-py3 bash
这个命令运行后会打开一个交互式终端，由于完成了文件目录的挂载， 我们可以在系统中编辑文件，在容器中运行。
现在可以用你喜欢的编辑器输入以下代码
from __future__ import absolute_import, division, print_function
import tensorflow as tf
from tensorflow.keras.layers import Dense, Flatten, Conv2D
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
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)
这段代码来自tensorflow官网，完成了手写图像的识别。
一些简单的注解
把２８＊２８大小的图像数据变成一维度（压扁， tf.keras.layers.Flatten）
使用的是全连接的网络tf.keras.layers.Dense， 最后用softmax完成分类。中间加入了 tf.keras.layers.Dropout(0.2)来减少过拟合。 大家可以改动其中的参数， 然后在容器的终端运行这个程序，看看结果有什么不同。
接下来，我们会用卷积神经网络来实现同样的功能。
