最新版本：
http://www.mashangxue123.com/tensorflow/tf2-tutorials-quickstart-beginner.html

英文版本：
https://tensorflow.google.cn/alpha/tutorials/quickstart/beginner

翻译建议PR：
https://github.com/mashangxue/tensorflow2-zh/edit/master/r2/tutorials/quickstart/beginner.md

安装命令：

pip install tensorflow-gpu==2.0.0-alpha0

要开始，请将TensorFlow库导入您的程序：

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf

加载并准备MNIST数据集，将样本从整数转换为浮点数：

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

通过堆叠图层构建tf.keras.Sequential模型。选择用于训练的优化器和损失函数：

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

训练和评估模型：

model.fit(x_train, y_train, epochs=5)

model.evaluate(x_test, y_test)

现在，图像分类器在该数据集上的准确度达到约98％。 要了解更多信息，请阅读TensorFlow教程.。