【导读】Eager模式（动态图）是TensorFlow 1.4之后最重要的新特性之一，也是TensorFlow 2中的主流用法。本文推荐一个Github上的关于TensorFlow Eager的较为完整的图文教程（附Jupyter Notebook）。
教程链接
教程被托管在Github中，作者为Madalina Buzau，链接：
https://github.com/madalinabuzau/tensorflow-eager-tutorials
01. 用Eager构建简单的神经网络
在生成的数据上，用Eager构建和训练一个只有一个隐藏层的神经网络。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/01_simple_feedforward_neural_network.ipynb
02. 在Eager中使用评价指标
在三种类型机器学习任务中（多分类、不平衡数据和回归）中使用与Eager模式兼容的评价指标。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/02_using_metrics_in_eager_mode.ipynb
03. 保存和恢复训练的模型
用Eager保存模型，之后载入模型在新数据上进行预测。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/03_save_and_restore_model.ipynb
04. 将文本数据转换为TFRecords
将不等长的文本保存为TFRecords，TFRecords可以被快速地进行padding操作，并使用迭代器读取。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/04_text_data_to_tfrecords.ipynb
05. 将图像数据转换为TFRecords
将图像和相关的meta信息（例如图像的目标）保存为TFRecords。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/05_images_to_tfrecords.ipynb
06. 将TFRecords读取到batches中
从TFRecords中将不等长的文本或图像读取到batches中。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/06_read_data_in_batches_from_tfrecords.ipynb
07. 构建卷积网络进行表情识别
用TensorFlow Eager API和FER2013数据集从头构建一个表情识别卷积网络。在教程的最后，你可以在网络摄像头上来识别你自己的表情，非常有趣的实践。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/07_convolutional_neural_networks_for_emotion_recognition.ipynb
08. 构建动态RNN来进行序列分类
用TensorFlow Eager API构建动态RNN在Stanford Large Movie Review数据集上进行序列分类。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/08_dynamic_recurrent_neural_networks_for_sequence_classification.ipynb
09. 构建RNN来进行时序回归
构建RNN来进行时序预测。
Jupyter:
https://github.com/madalinabuzau/tensorflow-eager-tutorials/blob/master/09_recurrent_neural_networks_for_time_series_regression.ipynb
参考资料：
https://github.com/madalinabuzau/tensorflow-eager-tutorials
https://mp.weixin.qq.com/s?__biz=MzU2OTA0NzE2NA==&mid=2247503724&idx=2&sn=b40f6a3e7cb49a05dc748d133094b2cd&chksm=fc862e7fcbf1a769523aff4e2c4071fac928dffb55599bee2055d51d617af251e9c0b1f99c6c&mpshare=1&scene=1&srcid=1208zzlwG29xD9I79Aivl814#rd
