現(xiàn)在 TensorFlow 有官方中文版教程啦，以前的英文版 Tutorials 有了對(duì)應(yīng)的中文翻譯。各位還在 TensorFlow 門前徘徊的開發(fā)者們，現(xiàn)在可以對(duì)著中文教程學(xué)習(xí)各種流行模型啦。

TensorFlow 最近提供了官方中文版教程(Tutorials)和中文版指南(Guide)。其中教程主要介紹了 TensorFlow 的基本概念，以及各種基礎(chǔ)模型的簡單實(shí)現(xiàn)方法，這些模型基本上都是用 Keras 等易于理解的高階 API 完成。而指南則深入介紹了 TensorFlow 的工作原理，包括高階 API、Estimator、低階 API 和 TensorBoard 等。

項(xiàng)目地址：https://tensorflow.google.cn/tutorials/?hl=zh-cn

中文版教程

TensorFlow 是一個(gè)用于研究和生產(chǎn)的開放源代碼機(jī)器學(xué)習(xí)庫。TensorFlow 提供了各種 API，可供初學(xué)者和專家在桌面、移動(dòng)、網(wǎng)絡(luò)和云端環(huán)境下進(jìn)行開發(fā)。而中文版教程的目的是希望能為初學(xué)者提供了解及入門 TensorFlow 的知識(shí)，包括用 Keras 實(shí)現(xiàn)最基本的分類和回歸模型、使用 Eager Execution 構(gòu)建定制化神經(jīng)網(wǎng)絡(luò)、使用 Estimator 構(gòu)建大規(guī)模機(jī)器學(xué)習(xí)等。

 

 

如上展示了 TensorFlow 第一步學(xué)習(xí)的一些內(nèi)容，其中第一個(gè)基本分類介紹了如何使用全連接網(wǎng)絡(luò)處理 Fashion-MNIST 數(shù)據(jù)集，這一教程完整地介紹了 TensorFlow 的主要流程，剩下的 4 個(gè)初步教程也會(huì)一步步教你怎樣使用它。

除了入門的 Keras，用于研究的 Eager Execution 和用于大規(guī)模訓(xùn)練的 Estimator 也都有中文介紹。不過它們同樣會(huì)提供一些 Github 項(xiàng)目，這些項(xiàng)目大多數(shù)還都是保留英文，這兩部分只有介紹性的文章會(huì)提供中文。

 

 

后面剩下的就是大量前沿模型了，這些模型很多都提供的是對(duì)應(yīng) Github 地址或 Colab 教程地址，因此它們大部分也都是英文的，不過既然入了門，再理解這些模型也就沒問題了�？傮w而言，這些教程可以分為生成模型、視覺模型、序列模型和數(shù)據(jù)表征等 18 種模型。

最后，教程部分還提供了后續(xù)學(xué)習(xí)計(jì)劃，包括詳細(xì)了解 TensorFlow 和機(jī)器學(xué)習(xí)兩部分。其中 TensorFlow 提供了指南、TensorFlow.js 和 TFLite 等學(xué)習(xí)路徑，機(jī)器學(xué)習(xí)提供了 CS231n、機(jī)器學(xué)習(xí)速成課程、CS 20 等課程推薦。

中文指南

如果讀者本來就有比較好的基礎(chǔ)，那么我們?cè)趯?shí)踐中可能會(huì)遇到具體的問題，例如調(diào)用 TPU、使用靜態(tài)計(jì)算圖、或者使用 TensorBoard 進(jìn)行可視化等。當(dāng)遇到這些特定問題時(shí)，我們可以查閱查閱 TensorFlow 指南，它可能會(huì)提供詳細(xì)的介紹。

中文指南主要分為以下部分，這些內(nèi)容都有中文介紹，所以閱讀性還是挺高的。

高階 API

Keras：用于構(gòu)建和訓(xùn)練深度學(xué)習(xí)模型的 TensorFlow 高階 API。

Eager Execution：一個(gè)以命令方式編寫 TensorFlow 代碼的 API，就像使用 NumPy 一樣。

Estimator：一個(gè)高階 API，可以提供已準(zhǔn)備好執(zhí)行大規(guī)模訓(xùn)練和生產(chǎn)的完全打包的模型。

導(dǎo)入數(shù)據(jù)：簡單的輸入管道，用于將您的數(shù)據(jù)導(dǎo)入 TensorFlow 程序。

Estimator

Estimator：了解如何將 Estimator 用于機(jī)器學(xué)習(xí)。

預(yù)創(chuàng)建的 Estimator：預(yù)創(chuàng)建的 Estimator 的基礎(chǔ)知識(shí)。

檢查點(diǎn)：保存訓(xùn)練進(jìn)度并從您停下的地方繼續(xù)。

特征列：在不對(duì)模型做出更改的情況下處理各種類型的輸入數(shù)據(jù)。

Estimator 的數(shù)據(jù)集：使用 tf.data 輸入數(shù)據(jù)。

創(chuàng)建自定義 Estimator：編寫自己的 Estimator。

加速器

使用 GPU：介紹了 TensorFlow 如何將操作分配給設(shè)備，以及如何手動(dòng)更改此類分配。

使用 TPU：介紹了如何修改 Estimator 程序以便在 TPU 上運(yùn)行。

低階 API

簡介：介紹了如何使用高階 API 之外的低階 TensorFlow API 的基礎(chǔ)知識(shí)。

張量：介紹了如何創(chuàng)建、操作和訪問張量(TensorFlow 中的基本對(duì)象)。

變量：詳細(xì)介紹了如何在程序中表示共享持久狀態(tài)。

數(shù)據(jù)流圖：這是 TensorFlow 將計(jì)算表示為操作之間的依賴關(guān)系的一種表示法。

會(huì)話：TensorFlow 跨一個(gè)或多個(gè)本地或遠(yuǎn)程設(shè)備運(yùn)行數(shù)據(jù)流圖的機(jī)制。如果您使用低階 TensorFlow API 編程，請(qǐng)務(wù)必閱讀并理解本單元的內(nèi)容。如果您使用高階 TensorFlow API(例如 Estimator 或 Keras)編程，則高階 API 會(huì)為您創(chuàng)建和管理圖和會(huì)話，但是理解圖和會(huì)話依然對(duì)您有所幫助。

保存和恢復(fù)：介紹了如何保存和恢復(fù)變量及模型。

標(biāo)簽： Google 代碼 開發(fā)者 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。