项目落地才是硬道理！TensorFlow 2 牛了
共 2026字，需浏览 5分钟
·
2021-05-20 14:20
记得 TensorFlow 2.0 刚发布时，一票开发者都在疯狂吐槽：官方文档不好找，bug 没有及时修复和更新等等。尽管上线这么久，仍有大量开发者不愿从 1.x 升级，或从别的框架迁移过来。
事实上，TensorFlow 2 不仅继承了 Keras 快速上手和易于使用的特性，还扩展了原有 Keras 所不支持的分布式训练，并整合了 TF 生态的其他组件（如 TF Serving、TF Lite、TF Hub、TFX 等），能有效提升生产环境的稳定性和可维护性。
所以，掌握 TensorFlow 2 是一件 ROI 很高的事，甚至可以说是AI 工程师高效进阶的必修课。
现在市面上讲 AI 入门和 TensorFlow 的资料不少，但由于缺乏实际应用场景和数据支持，且没有测试集和测试场景，无法验证效果，大部分人在学完课程后，仍然有一些普适性问题没有解决，比如：
怎样在生产环境中真正应用 TensorFlow ？
如何证明自己是位合格的 AI 算法工程师？
实际 AI 项目研发过程中会遇到哪些坑，具体如何解决？
这里，给你分享一份从基础到项目进阶的 「TensorFlow 2.0 学习框架图」，你可以系统梳理 TF2.0 的在实战项目中的应用，循序渐进地掌握 TensorFlow 2.0 核心知识。
这张图谱出自彭靖田，之前看过他的《TensorFlow 快速入门与实战》，由浅入深讲解了四个 TensorFlow 实战项目，跟着学下来，感觉收获很大。最近，得知他又推出了第二季《TensorFlow 2 项目进阶实战》，我第一时间就订阅了。
在课程中，他系统讲解了AI 项目落地的设计思路和关键原则，带你掌握 TensorFlow 2 核心思想和实战技能。同时，通过完整落地一个 AI 新零售项目，提升你的 AI 技术，做到熟练运用 TensorFlow 2。苦于没有实战经验的同学，这个课再适合不过了。
介绍一下作者——彭靖田 , 品览数据联合创始人兼 CTO，Google Developers Experts。
多年来，一直从事 TensorFlow 与 AI 落地的相关工作。毕业进入华为后，在 2012 实验室深度学习团队参与了 ModelArts 的早期设计和实现，而后作为技术合伙人，加入容器智能云初创公司 Caicloud，负责 AI 云平台 Clever 的设计与研发工作。现在，与朋友一起创业做了品览数据，主要面向大企业（如万科、上汽、味全、自如等）提供 AI 物品识别产品及解决方案。
这门课是如何设计的？
→第一部分：TensorFlow 2 的设计思想与上手实践，以及它和 TensorFlow 1.x 的区别。带你快速掌握 TensorFlow 2 的核心模块，做到有效处理数据 、训练模型并预测结果。
→第二部分：以 AI 新零售项目实战为主线，讲解 AI 新零售的需求背景、AI 解决方案设计、目标检测与商品识别的落地实战，并结合 AI 模型和业务逻辑，动手实现一个完整的 Web 应用交付。在检测和识别部分，会用到比较前沿 RetinaNet 技术。
这部分是课程的重点章节，从方案设计到最终的落地，会遇到哪些坑，如何去填这些坑，作者将这些年摸爬滚打的经验通通都分享给你，让你在今后的工作中少走弯路。
→第三部分：分享 TensorFlow 2 中极具价值的几个进阶使用模块及方法，主要是图像数据增强、分布式训练、迁移学习、性能优化以及生产级部署几大块，带你了解 TensorFlow 2 的强大能力，并利用它们为自己的项目赋能。
