tf.keras是TensorFlow 2.0最主要的高階API接口，為TensorFlow的代碼提供了新的風格和設計模式，大大提升了TF代碼的簡潔性和復用性，也間接地提供了TF開發的規范。本文介紹了TensorFlow官網提供的最新的tf.keras指南。

TensorFlow 1.x以靜態圖為主，網上主流的TF代碼編寫主要是面向過程的（函數為主），在引入tf.keras之后，TensorFlow官方就開始推薦tf.keras里各種面向對象的編程風格，從層到模型都是類和對象，大大簡化了代碼的簡潔性和復用性，也間接地提供了TF開發的規范。

Keras作者Fran?ois Chollet在Twitter轉發了TensorFlow官方最新tf.keras指南，本文大概介紹一下該指南中比較重要的內容。

本指南的內容大致如下：

Keras Functional API

訓練和評價

利用繼承構建層和模型

保存和序列化模型

Keras Functional API

指南地址：

https://www.tensorflow.org/alpha/guide/keras/functional

內容概要：

Keras中網絡層的定義和調用，例如如何用指定的參數來定義一個全連接層，然后用定義的層來變換輸入數據。

Keras模型的定義和調用，包括模型自帶的訓練和評價函數。

Keras層測復用

網絡中間層信息的提取和復用

自定義Keras層

Functional API的優點和缺點

Functional API和Subclassing API（繼承式）混寫

另外，用內置的函數可以直接可視化網絡結構了：

訓練和評價

指南地址：

https://www.tensorflow.org/alpha/guide/keras/training_and_evaluation

內容概要：

Keras模型內置的訓練和評價Loop

自定義損失函數

用tf.data.Datasets作為輸入

其它輸入格式，如Pandas

采樣和類別權重

多輸入和多輸出

回調函數

斷點

學習率規劃

用TensorBoard可視化損失

利用繼承構建層和模型

指南地址：

https://www.tensorflow.org/alpha/guide/keras/custom_layers_and_models

內容概要：

Keras層封裝狀態（權重）和計算

權重延遲構造（延遲到輸入形狀已知時）

遞歸構造Keras層

Keras層在前向傳播時遞歸收集損失

可選啟用序列化Keras層

call方法中的training參數

端到端地構建一個模型

保存和序列化模型

指南地址：

https://www.tensorflow.org/alpha/guide/keras/saving_and_serializing

內容概要：

保存整個模型

導出到SavedModel

僅保存結構

僅保存權重

在SavedModel格式下僅保存權重

保存繼承的模型