深度學習(Deep Learning)將以數篇呈現，先簡要介紹以開源機器學習平台Tensorflow與神經網絡API Keras 在Python實作 Deep Learning。

  1. 開源機器學習平台Tensorflow，TensorFlow是一個開源軟件庫，在維基上提到用於各種感知和語言理解任務的機器學習。如語音識別，Gmail，Google相簿和搜尋。TensorFlow提供了一個Python API，以及C++、Haskell、Java、Go和Rust API。第三方包可用於 C#、.NET Core、Julia、R和Scala。TensorFlow的底層核心引擎由C++實現，通過gRPC實現網路互訪、分散式執行。雖然它的Python/C++/Java API共享了大部分執行代碼，但是有關於反向傳播梯度計算的部分需要在不同語言單獨實現。目前只有Python API較為豐富。

  2. Keras 是一個快速實現深度神經網路用Python編寫的開源神經網路庫，包含許多常用神經網路構建塊的實現，來簡單處理圖像和文字資料。能夠配合TensorFlow，Microsoft Cognitive Toolkit，Theano或PlaidML之上執行，其代碼代管在GitHub上，社區支援論壇包括GitHub的問題頁面和Slack通道。

環境設置：原本按照《深度學習入門教室》一書安裝步驟發現遇到許多問題，python版本與Anaconda的適配問題，以及一些tensorflow相關問題。
在安裝與環境設定過程常卡住，以下提及安裝需注意的適配版本。
以下安裝範例為Python 3.7.4+Anaconda+tensorflow2.0
安裝Anaconda：有分python3.7與python2.7版本。

Python

安装Tensorflow ：
輸入命令

1
conda create -n tensorflow python=3.7

Tensorflow

  1. 安装tensorflow：
    輸入命令pip install tensorflow==2.0.0 -i
    https://pypi.tuna.tsinghua.edu.cn/simple
    激活tensorflow：輸入命令conda activate tensorflow

  2. 安装Keras：輸入命令sudo pip install keras
    測試執行：表示安裝成功

Keras

確認安裝環境：輸入命令python

python

測試執行：
輸入命令import tensorflow as tf
輸入命令hello=tf.constant('123')
輸入命令sess=tf.Session()

測試執行python

會錯誤！
原因：在於TF 2.0不使用tf.Session，若要繼續使用，需改為sess=tf.compat.v1.Session()

這裡我先備註以後會需要的資料

  1. tensorflow 指令說明網址 https://www.tensorflow.org/api_docs/python/tf/compat/v1/Session#graph

  2. 待研究將TensorFlow 1.X的代碼轉換為TensorFlow2.0代碼
    https://blog.csdn.net/xovee/article/details/93402172

接著
輸入命令print(sess.run(hello))

會發現錯誤！

測試執行python

原因：
使用tf.compat.v1.Session()雖可執行，但是，然而TF 1.X的的API 使用 Graph Execution，但是TF 2.0 默認使用 eager execution，要解決這個問題有兩種方式一種辦法先定義數據向量圖形，或是使用tf.compat.v1.disable_eager_execution() ，在tensorflow 指令說明裡提這個指令被使用在TF1.X代碼至TF2.0代碼的轉換(It can be used at the beginning of the program for complex migration projects from TensorFlow 1.x to 2.x.)

因此，最後如下暫時解決，確認是可執行的。
測試執行：

測試執行python