前言

看了下Tensorflow发布1.9版本已经10天了，Tensorflow更新着实快，这次更新还是值得我们去更新一下的。

这个更新TF提供了类似Keras接口的High-API，大大简化了Tf的操作复杂度：

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(512, activation=tf.nn.relu),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

变相地说，我们可以不用安装Keras也可以使用类似于Keras的操作方式，可以说我们之前使用Keras编写的代码，用tf.keras这个模块都可以实现:

看清楚，官方说的是any，既然官方都这么说了，大伙用用看看有没有什么区别吧。

安装包

一周前自己编译好了TensorFlow-1.9的源码包 => tensorflow-1.9.0-cp36-cp36m-linux_x86_64 自己的平台是:

• ubuntu-16.04
• Cuda-9.1.85
• cudnn-7.1.2
• GPU-1080ti

经过测试可以正常使用。
百度云链接：https://pan.baidu.com/s/1lbIhEolndj5GziFVfJfnIQ 密码：ecf1