尝鲜TensorFlow 2.0

前两天，Google在TensorFlow开发者峰会上发布了TensorFlow 2.0 alpha版，TensorFlow官网也全新改版上线。其实早在去年上半年，Google就放出口风，准备发布TensorFlow 2.0，一个重要的里程碑版本。然而直到今天，2.0仍然处于alpha版，这在快速迭代的人工智能领域，着实少见。随着alpha的发布，这几天网上关于TensorFlow的新闻和文章铺天盖地，我也看了一下文章，不过作为一名实战派，还是决定先上手尝鲜一下。

毕竟TensorFlow 2.0还是alpha版，不想破坏掉现有的TensorFlow的环境，所以决定先创建一个虚拟环境，在虚拟环境中进行尝鲜。借助于anaconda，可以轻松创建名为tf-alpha的python虚拟环境:

conda create -n tf-alpha python==3.6
conda activate tf-alpha

接下来就是安装tensorflow 2.0 alpha，如果想简单一点，可以安装非GPU版本的tensorflow:

pip install tensorflow==2.0.0-alpha0

当然要训练深度学习的模型，一定得利用上GPU，否则那速度让人无法忍受，所以我决定还是安装GPU版本：

pip install tensorflow-gpu==2.0.0-alpha0

因为我之前安装过CUDA，想着这样一步就足够了，接下来就是运行一个简单的示例：

import tensorflow as tf

a = tf.constant([1, 2])
b = tf.constant([3, 4])
print(a + b)

作为一个常年摆弄各种环境的老司机，开始出现如下错误，我丝毫也不感到意外：

ImportError: libcudart.so.10.0: cannot open shared object file: No such file or directory

毕竟，各种软件兼容问题是一门玄学，你永远也无法估计会踩到什么雷。既然遇到问题，就得解决问题。到网上一搜，有类似的问题，大意就是CUDA的版本不匹配，查了一下，TensorFlow 2.0 alpha需要搭配10.0版本的CUDAToolKit，而我之前安装的是9.2版本。

接下来就是更新10.0版本的CUDAToolKit，然而，这里还有一个坑，CUDAToolKit最新的版本是10.1，别看就一个小版本号的差别，我就栽在这上面了。安装10.1之后，仍然提示找不到上面的so，尝试创建一个软链接，链接到10.1版本的so上，结果又提示版本不正确。最后还是老老实实下载10.0版本。在nvidia官网，10.0属于legacy release，需要去 https://developer.nvidia.com/cuda-toolkit-archive 下载。下载之后执行如下命令安装：

sudo dpkg -i $HOME/Downloads/cuda-repo-ubuntu1604-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-10-0-local-10.0.130-410.48/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

为了让ld能够加载cuda 10.0的库，还需要在$HOME/.bashrc中加入如下：

export LD_LIBRARY_PATH="/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH"

再次执行以上示例代码，可以得到以下的结果：

tf.Tensor([4 6], shape=(2,), dtype=int32)

TensorFlow 2.0 Alpha 版的更新重点放在简单和易用性上，主要进行了以下更新：

• 使用 Keras 和 eager execution，轻松建立简单的模型并执行
• 在任何平台上的实现生产环境的模型部署
• 为研究提供强大的实验工具
• 通过清除不推荐使用的 API 和减少重复来简化 API

对我来说，最重要的更新就是更好的融合Keras 和 eager execution。我之前一直都是使用keras编写代码，在TensorFlow 2.0中，我可以使用我更加熟悉的keras API。而所谓的eager execution，简单所就是操作(op)能够立即执行。在TensorFlow 1.x中，我们需要首先构建图形，然后通过tf.Session.run()执行图形的各个部分。比如前面那么的示例代码，在TensorFlow 1.x中a+b并不会立即执行，而是发生在tf.Session.run()之后。

由于时间有限，我还没有来得及深入到TensorFlow 2.0，有兴趣的朋友可以访问TensorFlow官网：

• TensorFlow 2.0 Alpha 版官方网址：https://www.tensorflow.org/alpha
• TensorFlow 2.0 Alpha 版开源地址：https://github.com/orgs/tensorflow/projects/4

针对不同级别的开发者，TensorFlow 2.0 Alpha 版设置了两版教程：

• 初学者版：使用的是 Keras Sequential API，这是最简单的 TensorFlow 2.0 入门方法。
• 资深人士版：展示如何命令式地编写正向传递、如何使用 GradientTape 编写自定义训练循环，以及如何使用 tf.function 一行代码自动编译代码。

另外还推荐吴恩达的课程：TensorFlow: From Basics to Mastery。如果你不需要颁发的证书，可以免费观看教学视频和学习资料，全英文，可以顺便练习一下英文。