Tensorflow入门教程,TensorFlow-Examples on Github

前言

Tensorflow作为深度学习框架的头把交椅,拥有大批量的用户,当然也有很多新手想要加入Tensorflow的大部队。大家都知道github已经成为机器学习各种知识资源分享学习的平台了。今天小编给大家介绍一个十分受欢迎的Tensorflow入门教程:TensorFlow-Examples

https://github.com/aymericdamien/TensorFlow-Examples

基本信息

本教程旨在通过示例轻松地深入研究TensorFlow。为了可读性,它包括了笔记本和源代码的解释,为两个TF v1和v2版本。

它适合初学者,提供关于TensorFlow清晰和简洁的例子。除了传统的“原始”TensorFlow实现之外,您还可以找到最新的TensorFlow API实践(例如层、估计器、数据集等)。

目前该项目已经有33000+的star数目,受欢迎程度可见一斑。

教程目录

第零章 前提

  • 机器学习介绍
  • 介绍MNIST数据集

第一章 介绍

  • Hello World
  • 基础运算
  • TensorFlow Eager API

注:Eager Execution是一个命令式、运行定义式的接口,其中,操作一旦从Python中调用便立刻得以执行。这样TensorFlow的入门使用就变得相对简单,并可以使研究和开发过程更为直观

第二章 基础模型

  • 线性回归 (包括eager api)
  • 逻辑回归 (包括eager api)
  • 最近邻算法
  • K-Means算法
  • 随机森林
  • Gradient Boosted Decision Tree (GBDT)
  • Word Embedding

第三章 神经网络

监督学习

  • 简单神经网络 (包括tf.layers 和 eager api)
  • 卷积神经网络 (包括tf.layers)
  • 递归神经网络 (LSTM)
  • 双向递归神经网络 (LSTM)
  • 动态递归神经网络 (LSTM)

非监督学习

  • Auto-Encode
  • Variational Auto-Encoder
  • GAN
  • DCGAN

第四章 工具

  • 保存和储存一个模型
  • Tensorboard

第五章 数据管理

  • 建立一个图像数据集
  • TensorFlow Dataset API
  • 加载和解析数据
  • 建立和加载 TFRecords
  • 图像转换

第六章 Multi GPU

  • Multi-GPU基本操作
  • 用Multi-GPU训练一个神经网络

内容分析

这个教程有基本的机器学习模型,也有深度学习的基本模型,包括现在流行的GAN,在模型方面比较全面。

在数据集方面,第五章非常重要,虽然我们有标准的MNIST数据集,但是还是需要学会处理数据(包括预处理),把数据整合成可以放在网络训练的格式。

最后第四章,在可视化以及存储模型方面给出了例子。可以供大家学习使用,让TensorFlow的效率提高。

总体而言,这个教程基础扎实和全面,非常适合新手。

文末的那啥帮忙点一下~

原文发布于微信公众号 - 浊酒清味(gh_39aead19f756)

原文发表时间:2019-08-20

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券