TensorFlow2 完整学习路线：30 天从第一个模型到生产部署
项目地址: https://gitcode.com/gh_mirrors/ea/eat_tensorflow2_in_30_days 假设你刚入职，组里有个新模型要立项，而你手里的 TensorFlow2 经验基本为零。主管问你三件事：用什么框架、环境怎么搭、训练完的模型怎么上线？这三个问题，恰好对应 TensorFlow2 学习路上的三大关卡：选型、训练、部署。开源项目 eat_tensorflow2_in_30_days（《30天吃掉那只 TensorFlow2》）把这条路线拆成了 30 章，每章配可运行的完整范例。下面我用工程任务的顺序把它重新讲一遍，你不必按原书顺序读，直接按自己的卡点跳转即可。
框架选型：工程师和研究者答案不一样
先说结论：做工程落地，选 TensorFlow2；做科研迭代，选 PyTorch。
- 工程师选 TensorFlow2 的原因不在训练体验，而在后半程。国内大多数互联网公司的在线推理服务栈是为 TensorFlow 模型准备的，模型能不能部署上线，往往比训练方便与否更致命。而且工业界偏好高可用、架构成熟的方案，很少需要频繁调试实验性网络。
- 研究者选 PyTorch 的原因在迭代速度。发论文要快速试新架构，PyTorch 动态执行、调试友好，且 2019 年后学术界的主流产出基本都基于它，最新代码最容易找到。
- 时间够就都学。两者的编程风格如今高度相似，学会一个再学另一个的成本很低。
还有一个高频疑问：装了 pip 的 Keras 还能用吗？ 别装了。Keras 本质上是一套高层接口规范，pip 版 Keras 可对接多种后端；而 tf.keras 是 TensorFlow 基于自家底层 API 实现的同一套接口，两者用法几乎一致，但 tf.keras 与 TensorFlow 的耦合更紧。Keras 库在 2.3.0 之后已停止更新，所以 TensorFlow2 时代直接用 tf.keras，这是本书所有代码的默认写法。
环境搭建：10 分钟跑通第一段 TensorFlow2 代码
全书代码基于 Jupyter 编写，建议克隆到本地交互式运行：
git clone https://gitcode.com/gh_mirrors/ea/eat_tensorflow2_in_30_days
pip install -U tensorflow
再用一段最小代码验证环境是否就绪——它会创建两个字符串张量并拼接：
import tensorflow as tf
tf.print("tensorflow version:", tf.__version__)
a, b = tf.constant("hello"), tf.constant("world")
tf.print(tf.strings.join([a, b], " "))
两个注意点：
- 书中代码以 TensorFlow 2.1 为基准验证，装最新版通常没问题，但个别 API 有变更，例如
model.predict_classes已被移除（对model.predict结果取 argmax 即可）； - 仓库
data/目录自带 titanic、cifar2、imdb 等配套数据集和训练好的模型文件，不用自己找数据。
第一个里程碑：跑通一个完整模型
无论数据长什么样，TensorFlow 建模流程都是六步：准备数据 → 定义模型 → 训练 → 评估 → 预测 → 保存。新手真正的难点在第一步，而难点由数据类型决定。四类数据的关键差异如下：
- 结构化数据（如 titanic 生存预测）：先用 Pandas 补齐缺失值、把类别列转成 onehot，喂进普通全连接网络；
- 图片数据（如 cifar2 飞机/汽车二分类）：用
tf.data管道解码图片，喂进卷积网络； - 文本数据（如 imdb 影评情感分类）：核心是"分词 + 定长序列化"——把文本变成整数序列并用
pad_sequences补齐到统一长度，再进 Embedding 和卷积/LSTM； - 时间序列（如疫情曲线预测）：核心是"滑动窗口"——把最近 N 天当输入、第 N+1 天当标签，把预测问题改写成监督学习。
以图片任务为例，训练完的模型有两条保存路线：Keras 格式（model.save('model.h5')，只适合 Python 环境加载）和 SavedModel 格式（model.save('dir', save_format="tf")，跨语言、便于部署）。后者是生产环境的默认选择，第六节会用到。
三大基础概念：张量、计算图、自动微分
看懂这三个词，你就理解了"TensorFlow"这个名字的由来——Tensor（张量）+ Flow（计算图上的数据流）。
张量就是多维数组。标量是 0 维、向量是 1 维、矩阵是 2 维，彩色图片是 3 维（高、宽、RGB 通道）。它和 numpy 数组几乎一一对应，分两种角色：常量（值不可改）和变量（可重新赋值，模型里所有待训练参数都是变量）。
计算图记录"先算什么、后算什么"，TF2 里有三种形态：
- 静态图（TF1 时代）：先定义图，再开 Session 执行，两步分离；
- 动态图（TF2 默认，即 Eager 模式）：每行代码执行即算，调试体验和原生 Python 一致，但 Python 与 C++ 内核频繁通信，效率偏低；
- Autograph（
@tf.function）：给普通函数加个装饰器，TF 自动把它转成静态图。首次调用时构建并缓存，之后直接复用。
工程惯例是：动态图写代码、调 bug，关键路径再加 @tf.function 提速：
@tf.function
def strjoin(x, y):
return tf.strings.join([x, y], " ")
自动微分解决"梯度谁来算"。反向传播的求导由 tf.GradientTape（梯度磁带）自动完成：
x = tf.Variable(0.0)
with tf.GradientTape() as tape:
y = x * x - 4 * x
print(tape.gradient(y, x)) # -4.0
训练循环的本质就是"开磁带 → 前向计算 → 取梯度 → 优化器更新参数"，四行搞定。
Autograph 生成的图可以用 TensorBoard 可视化，仓库里保存了多份 trace 日志供对照观察：
API 分层体系：低阶、中阶、高阶各管什么事
TensorFlow 的 API 像盖楼，从硬件层往上依次是：内核层 → 低阶 API → 中阶 API → 高阶 API，每层封装下一层，你可以按需要取用不同"装修等级"的接口。
| 层级 | 代表接口 | 一句话定位 | 适合场景 |
|---|---|---|---|
| 低阶 API | tf.Variable、tf.constant、tf.GradientTape、tf.function | 原料：张量操作、计算图、自动微分 | 写自定义算子、研究框架内部机制 |
| 中阶 API | tf.keras.layers、tf.keras.losses、tf.keras.optimizers、tf.data.Dataset、tf.feature_column | 预制件：模型层、损失、优化器、数据管道 | 组装训练组件、做特征工程 |
| 高阶 API | tf.keras.models（Sequential / 函数式 / 子类化） | 成品房：声明模型、一行 fit 训练 | 绝大多数工程与日常建模 |
选择原则很直接：能用高阶就别碰低阶。低阶 API 的价值在于"出了怪问题时下钻排查"，以及实现 tf.keras 里没有的自定义逻辑，而不是日常拿来写业务。
训练为什么慢：数据管道的三个提速手段
模型在 GPU 上算力富余时，瓶颈常常是"数据喂不上来"。TensorFlow 数据管道（tf.data）给你三个标准加速手段：
prefetch：让"下一批数据准备"和"当前一批训练"并行，训练不再等 IO；num_parallel_calls=tf.data.AUTOTUNE：让map里的解码、缩放等预处理并行执行，线程数自动选；cache：数据集不大时首个 epoch 后缓存进内存，后续 epoch 免去重复读盘。
三招叠加的典型写法：
ds = tf.data.Dataset.list_files("./data/cifr2/train/*/*.jpg")
ds = ds.map(load_image, num_parallel_calls=tf.data.experimental.AUTOTUNE)
ds = ds.shuffle(1000).batch(100).prefetch(tf.data.AUTOTUNE)
注意版本差异：2.4 之后 tf.data.experimental.AUTOTUNE 已提升到 tf.data.AUTOTUNE。书中用计时实验直观演示了效果——同样 10 批数据，串行准备需 30 秒，加 prefetch 后降到 20 秒，再叠加 cache 直接减半。
单 GPU 到 TPU：硬件加速的三级跳
训练提速的第二级是换硬件，TF2 用 tf.distribute 统一了三种策略：
- 单 GPU：用
tf.config.experimental.set_memory_growth(gpu, True)让显存按需增长，避免 TF 启动就占满显存； - 多 GPU：核心是
MirroredStrategy（镜像策略）——在它的scope()里定义模型，框架自动把 batch 切给每张卡、同步梯度，等于免费的数据并行：
strategy = tf.distribute.MirroredStrategy()
with strategy.scope():
model = build_model()
model.compile(optimizer="adam", loss="mse")
model.fit(ds, epochs=10)
- TPU：通过
tf.distribute.TPUStrategy连接，主要用于 Google Colab、Kaggle 等云环境，用法与多 GPU 几乎相同，只是 resolver 换成 TPU 集群地址。
书中给出了云 GPU 环境下的实测速度截图，本地没有卡也能跟着走完流程。
部署上线：tensorflow-serving 四步清单
模型训练完只是完成一半，上线服务才是交付。用 tensorflow-serving 部署的完整清单：
- 导出模型：
model.save('dir/version', save_format="tf")生成 SavedModel 目录（含saved_model.pb与variables/）； - 检查签名：用命令行确认输入输出 tensor 的名字、形状、类型，这是后续请求的"接口文档"：
saved_model_cli show --dir ./data/linear_model/1 --all
- 启动服务：推荐 Docker 方式，一行命令拉起镜像并挂载模型目录，开放 gRPC（8500）与 REST（8501）两个端口；
- 发请求验证：任何语言都能调，curl 最直观：
curl -d '{"instances": [[1.0, 2.0], [5.0, 7.0]]}' \
-X POST http://localhost:8501/v1/models/linear_model:predict
拿到 predictions 数组，模型就正式在线了。如果还有 Spark 离线大批量推理的需求，书里额外演示了用 spark-scala 加载同一份 SavedModel 的路径。完整步骤见 6-6,使用tensorflow-serving部署模型.md。
30 天学习路径：按四个里程碑走
不必死磕日历，按里程碑推进、每个里程碑以"能跑通"为验收标准。难度用 ⭐ 标注，时间按每天 1 小时左右的节奏估算：
里程碑一：跑通四类模型（约 7 小时）
- 结构化数据建模（titanic 生存预测）：⭐⭐⭐，约 1 小时
- 图片数据建模（cifar2 分类）：⭐⭐⭐⭐，约 2 小时
- 文本数据建模（imdb 情感分类）：⭐⭐⭐⭐⭐，约 2 小时
- 时间序列建模（疫情曲线预测）：⭐⭐⭐⭐⭐，约 2 小时
里程碑二：看懂底层原理（约 4 小时）
- 张量数据结构与常量/变量：⭐⭐⭐⭐，约 1 小时
- 三种计算图（静态 / 动态 / Autograph）：⭐⭐⭐⭐⭐，约 2 小时
- 自动微分与 GradientTape 训练循环：⭐⭐⭐，约 1 小时
里程碑三：灵活选用 API（约 9 小时）
- 低阶 API：张量结构操作、数学运算、Autograph 机制：⭐⭐~⭐⭐⭐⭐⭐，约 5 小时
- 中阶 API：Dataset、特征列、激活、层、损失、指标、优化器、回调：⭐⭐⭐~⭐⭐⭐⭐，约 6 小时（可只精读用到的部分）
里程碑四：上生产（约 6 小时）
- 三种模型构建方式 + 三种训练方式：⭐⭐⭐，约 2 小时
- 单 GPU / 多 GPU / TPU 加速：⭐⭐，约 1.5 小时
- tensorflow-serving 部署 + spark-scala 调用：⭐⭐⭐⭐~⭐⭐⭐⭐⭐，约 2.5 小时
全书章节文档在仓库根目录按编号存放，合并版电子书见 eat_tf2_ebook.md，英文读者可看 english/ 目录的译文。
结语：带走这份行动清单
如果今天就要动手，按这个顺序来：
- 克隆仓库，装好 tensorflow，跑通版本验证代码（10 分钟）；
- 打开 titanic 范例，跑通六步建模流程，亲手改一次网络结构看 AUC 变化；
- 给训练函数加
@tf.function，用 TensorBoard 观察提速后的计算图； - 把模型存成 SavedModel，
saved_model_cli核对签名； - 起一个 tensorflow-serving 容器，用 curl 拿到第一次线上预测。
做完这五步，你就走过了 TensorFlow2 从学习、训练到部署的完整闭环——剩下的，只是按同一套路换成自己的数据。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
