本篇文章将介绍使用 tensorflow 的训练模型的基本流程，包括制作读取 TFRecord，训练和保存模型，读取模型。

为使 TensorFLow 用户更高效，TensorFlow 2.0 中进行了多出更改。TensorFlow 2.0 删除了篇冗余 API，使 API 更加一致（统一 RNNs, 统一优化器），并通过Eager execution更好地与 Python 集成。

许多 RFCs 已经解释了 TensorFlow 2.0 带来的变化。本指南介绍了 TensorFlow 2.0 应该怎么进行开发。这假设您已对 TensorFlow 1.x 有一定了解。

k 近邻法(k-nearest neighbors)是由 Cover 和 Hart 于 1968 年提出的，它是懒惰学习(lazy learning)的著名代表。
它的工作机制比较简单：

• 给定一个测试样本
• 计算它到训练样本的距离
• 取离测试样本最近的k个训练样本
• “投票法”选出在这 k 个样本中出现最多的类别，就是预测的结果

本文使用的是Jupyter Notebook，Python3。你可以将代码直接复制到 Jupyter Notebook 中运行，以便更好的学习。

如果你曾经学过 C 语言，阅读此文，相信你能迅速发现这两种语言的异同，达到快速入门的目的。下面将开始介绍它们的异同。

OpenCV 傅里叶变换的使用

点、颜色、尺寸、形状等

OpenCV 基本绘图函数的使用

OpenCV 图像载入、显示和输出到文件以及滑块的使用

本文主要讲解 OpenCV 的 XML 和 YAML 文件读写。