【導讀】Eager模式（動態(tài)圖）是TensorFlow 1.4之后最重要的新特性之一艺谆，也是TensorFlow 2中的主流用法。本文推薦一個Github上的關于TensorFlow Eager的較為完整的圖文教程（附Jupyter Notebook）拜英。
教程鏈接
教程被托管在Github中静汤，作者為Madalina Buzau，鏈接：
https://github.com/madalinabuzau/tensorflow-eager-tutorials
01. 用Eager構建簡單的神經(jīng)網(wǎng)絡
在生成的數(shù)據(jù)上居凶，用Eager構建和訓練一個只有一個隱藏層的神經(jīng)網(wǎng)絡虫给。
Jupyter:?
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/01_simple_feedforward_neural_network.ipynb
02. 在Eager中使用評價指標
在三種類型機器學習任務中（多分類、不平衡數(shù)據(jù)和回歸）中使用與Eager模式兼容的評價指標侠碧。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/02_using_metrics_in_eager_mode.ipynb
03. 保存和恢復訓練的模型
用Eager保存模型谐腰，之后載入模型在新數(shù)據(jù)上進行預測艳悔。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/03_save_and_restore_model.ipynb
04. 將文本數(shù)據(jù)轉(zhuǎn)換為TFRecords
將不等長的文本保存為TFRecords揍瑟，TFRecords可以被快速地進行padding操作正压，并使用迭代器讀取。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/04_text_data_to_tfrecords.ipynb
05. 將圖像數(shù)據(jù)轉(zhuǎn)換為TFRecords
將圖像和相關的meta信息（例如圖像的目標）保存為TFRecords替饿。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/05_images_to_tfrecords.ipynb
06. 將TFRecords讀取到batches中
從TFRecords中將不等長的文本或圖像讀取到batches中语泽。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/06_read_data_in_batches_from_tfrecords.ipynb
07. 構建卷積網(wǎng)絡進行表情識別
用TensorFlow Eager API和FER2013數(shù)據(jù)集從頭構建一個表情識別卷積網(wǎng)絡。在教程的最后盛垦，你可以在網(wǎng)絡攝像頭上來識別你自己的表情湿弦，非常有趣的實踐。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/07_convolutional_neural_networks_for_emotion_recognition.ipynb
08. 構建動態(tài)RNN來進行序列分類
用TensorFlow Eager API構建動態(tài)RNN在Stanford Large Movie Review數(shù)據(jù)集上進行序列分類腾夯。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/08_dynamic_recurrent_neural_networks_for_sequence_classification.ipynb
09. 構建RNN來進行時序回歸
構建RNN來進行時序預測颊埃。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/09_recurrent_neural_networks_for_time_series_regression.ipynb
參考資料：
https://github.com/madalinabuzau/tensorflow-eager-tutorials
https://mp.weixin.qq.com/s?__biz=MzU2OTA0NzE2NA==&mid=2247503724&idx=2&sn=b40f6a3e7cb49a05dc748d133094b2cd&chksm=fc862e7fcbf1a769523aff4e2c4071fac928dffb55599bee2055d51d617af251e9c0b1f99c6c&mpshare=1&scene=1&srcid=1208zzlwG29xD9I79Aivl814#rd
