TensorFlow 2.0 入门：别再被 Eager Execution 吓跑了，它其实挺香的
上周五晚上十点半，杭州的雨下得跟不要钱似的。我瘫在工位上，盯着屏幕上一行报错：
AttributeError: 'Tensor' object has no attribute 'numpy'
又是这玩意儿。产品经理下午三点突然跑过来：“咱们推荐页能不能加个‘猜你喜欢’？就下周上线。” 我差点把咖啡泼他脸上——但想到自己在快手干了六年，从0到1搭过Feed流、用户画像、实时打分系统，早就练就了“表面微笑，内心翻白眼”的神功。
不过说真的，现在搞AI产品，不会点TensorFlow真不行。我们团队去年双11前临时加了个“短视频智能封面生成”功能，用的就是TF 2.x。虽然最后扛住了流量，但中间踩的坑能写本《血泪史》。所以今天这篇教程，算是给后来人铺个路——也顺便给自己做个复盘。
为啥是 TensorFlow 2.0？
别杠，我知道PyTorch现在很火，社区活跃、调试方便，连实习生都能三天跑通一个GAN。但我们这种做产品的，讲究的是稳定、可部署、能上生产。TF 2.0 虽然初期被吐槽“学PyTorch学歪了”，但恰恰是这次“叛变”，让它变得对工程师更友好。
尤其是那个
Eager Execution（即时执行）模式，终于不用再对着sess.run()咬牙切齿了。
我记得TF 1.x时代，光是搞清楚 placeholder、Variable、Session 的关系就能劝退一半新人。有次新来的同事写了段代码，训练完模型死活没法预测，最后发现是因为没在 Session 里 run。我当时就想：这哪是写AI，这是写仪式感。
TF 2.0 直接默认开启 Eager Execution，你写的代码就像普通Python一样——立马执行、立马出结果。调试？直接 print(tensor) 就行！这对赶deadline的我们来说，简直是救命稻草。
核心概念：别被术语吓住
很多人一看到“张量”、“自动微分”、“计算图”就慌了。其实用大白话说：
- 张量（Tensor）：就是多维数组。你平时用的 NumPy array，换了个高大上的名字。
- 自动微分（Autodiff）：不用手推梯度了，框架自动帮你算。感谢上帝。
- Keras：TF 2.0 的亲儿子，API 简洁到令人发指，两行代码就能搭个CNN。
我们团队现在几乎所有的新模型都用 Keras 写。不是因为它最强，而是因为它快、稳、好交接。你总不能让运维半夜被叫起来救火时，还要看你在 tf.gradients 里埋的雷吧？
实战：用 TF 2.0 做个简单的点击率预测
假设你现在要给快手某个信息流模块加个CTR（点击率）预估模型。数据长这样：
| user_id | video_id | age | gender | clicked |
|---|---|---|---|---|
| 1001 | v889 | 25 | M | 1 |
| 1002 | v321 | 34 | F | 0 |
这种典型的二分类问题，用 DNN 足够起步。下面是最简版本：
import tensorflow as tf
from tensorflow import keras
# 构造模型
model = keras.Sequential([
keras.layers.Dense(64, activation='relu', input_shape=(4,)),
keras.layers.Dense(32, activation='relu'),
keras.layers.Dense(1, activation='sigmoid')
])
# 编译
model.compile(optimizer='adam',
loss='binary_crossentropy',
metrics=['accuracy'])
# 假设 X_train 是 (N, 4) 的 NumPy 数组，y_train 是 (N,) 的标签
model.fit(X_train, y_train, epochs=10, batch_size=32)
是不是比你想象中简单？关键点来了：
- input_shape 不包含 batch size，这点新人常错。
- 激活函数选 sigmoid，因为输出是概率。
- 损失函数用 binary_crossentropy，别用 MSE，那玩意儿不适合分类。
我们上线前还专门做了 A/B 测试：旧规则策略 vs 新DNN模型。结果CTR提升了 2.3% —— 别小看这2%，乘以日活几亿，广告收入多出来的数字能让老板笑醒。
那些年踩过的坑
坑1：Tensor 和 NumPy 混用
前面提到的 AttributeError: 'Tensor' object has no attribute 'numpy'，其实就是因为在 Graph 模式下（比如自定义训练循环里），Tensor 还没真正计算出来，你就想 .numpy()。
解决办法？两种：
- 在 Eager 模式下运行（默认就是）
- 如果非要用 Graph，就套个
tf.py_function或者等训练结束再转
但我们团队现在统一规定：开发阶段全用 Eager，上线前再考虑性能优化。毕竟，先跑起来，再谈优化。
坑2：GPU 内存爆炸
有次我本地跑模型没事，一上 K8s 集群就 OOM。查了半天，发现是 batch_size 设太大，而且没限制 GPU 内存增长。
TF 2.0 的正确姿势：
gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
try:
for gpu in gpus:
tf.config.experimental.set_memory_growth(gpu, True)
except RuntimeError as e:
print(e)
这段代码建议直接塞进你项目的 __init__.py。别问，问就是血的教训。
顺便吐槽一句：我们运维老哥每次看到我提的 GPU 资源申请单，眼神都像在看败家子。
模型部署：别以为 train 完就结束了
很多教程到这里就停了，但产品要的是端到端闭环。TF 2.0 的一大优势就是部署生态成熟：
- SavedModel 格式：一键导出，支持 TF Serving
- TensorFlow Lite：移动端推理
- TensorFlow.js：前端也能跑模型（虽然我们没用过）
我们在 K8s 上用 TF Serving 部署模型，配合 Istio 做流量管理。模型更新？滚动发布就行。有次凌晨两点热更新，监控曲线平滑如丝——那一刻，我觉得这六年没白干。
导出模型就两行：
tf.saved_model.save(model, "my_ctr_model")
然后写个 Dockerfile，丢给 DevOps，剩下的交给 CI/CD。这才是现代 AI 工程师该干的事，而不是天天手动 copy checkpoint。
性能对比：TF 2.0 到底快不快？
有人担心 Eager Execution 会慢。其实官方早就做了优化，加上 @tf.function 装饰器，能自动编译成 Graph 执行。
我们测过一个 DNN 模型（3层，每层128单元）在不同模式下的训练速度（Tesla V100）：
| 模式 | 每 epoch 时间 | 内存占用 |
|---|---|---|
| Pure Eager | 12.3s | 1.8GB |
| @tf.function | 8.1s | 1.7GB |
| TF 1.x Graph 模式 | 8.5s | 2.1GB |
结论：用 @tf.function，基本追平 TF 1.x，代码还清爽得多。
最后几句真心话
写这篇教程，不是因为我多牛，而是因为当年自己也被这些概念绕晕过。在快手这些年，我越来越觉得：技术的价值不在于多炫酷，而在于能不能稳定地支撑产品跑起来。
TensorFlow 2.0 可能不是最性感的框架，但它足够务实。对于要做产品的团队来说，稳定、可维护、可部署，比“学术前沿”重要一百倍。
如果你也在杭州，被阿里网易的猎头疯狂骚扰，又不想只会调 sklearn，那真该花几天啃下 TF 2.0。它不会让你一夜暴富，但至少下次 PM 说“下周上线AI功能”时，你能笑着回一句：
“行啊，不过得加钱。”
（完）
P.S. 本文所有代码都在我的 GitHub 仓库 kuaishou-tf2-demo（假的，别真去搜），实际项目代码因为涉及商业逻辑，暂时不开源。但核心思路是一样的——简单、可靠、能扛住双11。
评论 0