2019年下半年， tensorflow更新到了2.0版本，对Keras API进行了兼容，使用起来更加方便，可以快速搭建神经网络进行模型计算。最近几年陆续也利用工作之余，学习过一些机器学习和神经网络的书籍，许多内容没有吃透，因此准备整理下之前的材料，作为学习笔记，也和大家一起沟通学习。
TensorFlow虽然在运算速度上并不一定最快，但它有以下优点：
1，流行度高：相比较于其它开源工具keras、MNNet、PyTorch来说流行度更高，因此在学习资料、数据集及案例也会更多，而且随着开源生态的发展会出现更多的算法。
2，工业级工具，tensorflow是google内部机器学习工具，通过支持多GPU以及分布式部署方式处理海量数据，分布式部署的模式,将一个训练任务拆分成多个小任务,配置到不同的计算机上完成协同运算,这样使用计算机群运算来代替单机运算，提高效率。
3，即有高阶TF.KERAS API方便搭建常用模型，也有低阶的函数可以扩展及优化。也就是即适合初学者，也适合资深AI开发者。
首先介绍下TensorFlow2.0的安装，由于GPU版本对硬件要求较高，CPU版本作为学习也足够。以下步骤为基于windows CPU版本安装步骤，mac和linux版本安装类似，GPU版本安装可见官网。
（1）Tensorflow依赖Microsoft Visual C++ 2015 Redistributable Update 3，需要先行安装，以下是安装链接，下载后进行安装；
https://www.microsoft.com/zh-cn/download/details.aspx?id=53840
（2）安装anaconda：可自行百度，安装最新版本；安装好后在命令行（CMD）输入命令查看目前的env。
conda info –envs
（3）新建环境，其中名称为 TF_2C , pip 为19.3版本（需要19.0以上版本，anaconda默认为pip 9，所以需要指定版本）
conda create -n TF_2C python=3.6 pip=19.3
环境分析完后，输入Y进入安装。
（4）激活新建的环境 ：conda activate TF_2C
（5）安装tensorflow 2 ，这里使用清华的镜像，豆瓣镜像还没有2.0版本:
pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
安装中可能存在的问题：
1）报错：ModuleNotFoundError: No module named 'setuptools._deprecation_warning'。更新setuptools组件，如上图在env中输入即可：pip install --upgrade setuptools
2）缺少库，XXX depreciated 等问题，检查是否安装了 Microsoft Visual C++ 2015 Redistributable Update 3。
（6）验证，在TF_2C 环境中输入python , 并打印TensorFlow版本，出现版本后就说明安装成功了。
三、Eclipse配置
因习惯eclipse的开发环境，通过eclipse可以不用切换开发工具，Eclipse的Pydev插件安装可参考https://www.cnblogs.com/xdzy/p/9458635.html
在建立project中可以选择和配置环境，在本文中选择anaconda下新建的TF_2C环境下的python.exe。配置完成后，打印版本号验证下是否选择正确
