illegalCreed

中文

English

中文

English

Appearance

参考 ​

基于 TensorFlow 2.21.0 stable API 文档 + Release Notes（2.16–2.21）+ tensorflow.org 安装文档整理

速查 ​

  • 核心：tf.constant / tf.Variable / tf.reshape / tf.matmul / tf.reduce_sum / tf.concat / tf.stack
  • layers：Dense / Conv2D / MaxPooling2D / BatchNormalization / LayerNormalization / Dropout / Embedding / LSTM / GRU / MultiHeadAttention
  • losses：SparseCategoricalCrossentropy(from_logits=) / CategoricalCrossentropy / BinaryCrossentropy / MeanSquaredError / Huber
  • optimizers：SGD / Adam / AdamW / RMSprop + schedules.ExponentialDecay / CosineDecay
  • metrics：Accuracy / SparseCategoricalAccuracy / Precision / Recall / AUC / F1Score
  • callbacks：EarlyStopping / ModelCheckpoint / TensorBoard / ReduceLROnPlateau / CSVLogger
  • data：from_tensor_slices / from_generator / TFRecordDataset / list_files + map / batch / shuffle / prefetch / cache / interleave
  • function：@tf.function / input_signature / jit_compile / get_concrete_function
  • savedmodel：tf.saved_model.save/load；saved_model_cli show --dir DIR --all
  • serving：tensorflow/serving Docker，REST :8501 / gRPC :8500；tensorflow-serving-api 2.20.0
  • tflite：TFLiteConverter + Optimize.DEFAULT + representative dataset；迁移中 → LiteRT（ai-edge-litert）
  • tfjs：tensorflowjs_converter；@tensorflow/tfjs 4.22.0，后端 webgl/webgpu/wasm/cpu
  • 版本：稳定版 2.21.0；Python 3.10–3.13；Keras ≥ 3.12；TensorBoard 分离安装

tf.keras.layers 速查 ​

层用途关键点
keras.Input(shape=)声明输入Functional/Sequential 首层
layers.Dense(units, activation=)全连接末层分类不加激活（输出 logits）
layers.Conv2D(filters, kernel_size)二维卷积padding="same" 保尺寸
layers.MaxPooling2D / GlobalAveragePooling2D池化GAP 常用于分类头前
layers.BatchNormalization批归一化受 training 参数控制
layers.LayerNormalization层归一化Transformer 标配
layers.Dropout(rate)随机丢弃仅训练生效
layers.Embedding(input_dim, output_dim)词嵌入输入整数 id
layers.LSTM / GRU(units)循环层return_sequences 控制输出
layers.MultiHeadAttention注意力num_heads + key_dim
layers.Rescaling(1./255)归一化层预处理写进模型，随 SavedModel 走

实践：图像归一化、文本向量化（TextVectorization）尽量做成层放进模型，部署时免对齐预处理。

compile / fit / callbacks 参数 ​

python
model.compile(
    optimizer=keras.optimizers.Adam(learning_rate=1e-3),   # 或 "adam" 字符串
    loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    metrics=[keras.metrics.SparseCategoricalAccuracy()],
)

model.fit(
    train_ds,
    epochs=10,
    validation_data=val_ds,      # 或 validation_split=0.1（NumPy 输入时）
    callbacks=[...],
    class_weight={0: 1.0, 1: 3.0},   # 类别不均衡加权
)

学习率调度（作为 optimizer 的 lr 传入，非 callback）：

python
lr = keras.optimizers.schedules.CosineDecay(1e-3, decay_steps=10000)
opt = keras.optimizers.Adam(learning_rate=lr)

tf.data API 速查 ​

API说明
Dataset.from_tensor_slices((x, y))内存数据建集
Dataset.from_generator(gen, output_signature=)自定义生成器
Dataset.list_files(pattern)文件列表 → 配 interleave
tf.data.TFRecordDataset(files)读 TFRecord（大训练集标准格式）
ds.map(fn, num_parallel_calls=AUTOTUNE)逐样本变换，并行化
ds.batch(64, drop_remainder=True)组批；分布式常丢尾批保 shape
ds.shuffle(buffer_size, seed=)缓冲打乱，只给训练集
ds.cache()缓存（位置决定缓存内容）
ds.prefetch(AUTOTUNE)与训练重叠，几乎必备
ds.interleave(...)多文件并行交错读取
ds.repeat(n)重复 epoch（注意与 fit 的 epochs 别重复计）

部署矩阵速查 ​

目标工具入口命令
保存（训练侧）Kerasmodel.save("m.keras") / load_model
导出（部署侧）Keras 3model.export("saved/1/")
底层导出tf.saved_modeltf.saved_model.save(obj, dir, signatures=)
在线服务TF Servingdocker run -p 8501:8501 -v .../saved:/models/NAME -e MODEL_NAME=NAME tensorflow/serving
移动/嵌入式TFLite → LiteRTtf.lite.TFLiteConverter.from_saved_model(dir)；新装 ai-edge-litert
浏览器/NodeTFJStensorflowjs_converter --input_format=keras m.keras web/

TF Serving 目录约定：/models/<名字>/<版本号>/（版本号为整数子目录，默认服务最大版本）；REST 端点 /v1/models/<名字>:predict。

版本与兼容（2.16 → 2.21 要点） ​

版本关键变化
2.16（2024-03）Keras 3 成为默认 Keras；tf.estimator 移除；Windows wheel 改用 Clang 构建
2.17（2024-07）移除 Maxwell（CC 5.x）GPU 支持；新增 CC 8.9（L4/L40）
2.18（2024-10）默认以 NumPy 2.0 编译支持；Hermetic CUDA（构建可复现）
2.19（2025-03）tf.lite.Interpreter 弃用警告 → ai_edge_litert.interpreter；停发 libtensorflow 独立包
2.20（2025-08）官方宣布 tf.lite 弃用、迁 LiteRT；tensorflow-io-gcs-filesystem 变可选（pip install "tensorflow[gcs-filesystem]"）；tf.data 增 autotune.min_parallelism
2.21（2026-03）移除 Python 3.9；TensorBoard 依赖移除（需单独安装）；TFLite 增 int2/uint4 量化算子；tf.image 支持 JPEG XL 解码

升级注意：跨版本必看 Release Notes 的 Breaking Changes；生产锁定 tensorflow==2.21.0；Keras 3 独立发版（pip install -U keras），与 TF 版本解耦但需 ≥ TF 要求的下限。

生态版图 ​

  • 高层 API：Keras 3（多后端）；KerasTuner（超参搜索）；keras-hub（预训练模型，原 KerasCV/KerasNLP 合并）
  • 领域库：TF Probability（概率建模）、TF Text（文本）、TF Recommenders（推荐）、TF Agents（强化学习）、TF Hub（模型仓库）
  • 生产：TF Serving（在线推理）、TFX（端到端 ML 流水线）、TF Data Validation / TF Transform / TF Model Analysis
  • 端与 Web：LiteRT（原 TFLite，Android/iOS/MCU）、Coral（Edge TPU）、TensorFlow.js（浏览器/Node）
  • 编译：XLA（jit_compile=True）；StableHLO 中间表示
  • 已谢幕：tf.estimator（2.16 移除）、TensorFlow Addons（2024 停更，最终 0.23.x 支持到 TF 2.15）

官方资源 ​