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

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，以及各種基礎模型的簡單實現(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。

項目地址：https://tensorflow.google.cn/tutorials/?hl=zh-cn

中文版教程

TensorFlow 是一個用于研究和生產(chǎn)的開放源代碼機器學習庫。TensorFlow 提供了各種 API，可供初學者和專家在桌面、移動、網(wǎng)絡和云端環(huán)境下進行開發(fā)。而中文版教程的目的是希望能為初學者提供了解及入門 TensorFlow 的知識，包括用 Keras 實現(xiàn)最基本的分類和回歸模型、使用 Eager Execution 構建定制化神經(jīng)網(wǎng)絡、使用 Estimator 構建大規(guī)模機器學習等。

 

 

如上展示了 TensorFlow 第一步學習的一些內(nèi)容，其中第一個基本分類介紹了如何使用全連接網(wǎng)絡處理 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 個初步教程也會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)模訓練的 Estimator 也都有中文介紹。不過它們同樣會提供一些 Github 項目，這些項目大多數(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應 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。總體而言，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)學習計劃，包括詳細了解 TensorFlow 和機器學習兩部分。其中 TensorFlow 提供了指南、TensorFlow.js 和 TFLite 等學習路徑，機器學習提供了 CS231n、機器學習速成課程、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，那么我們在實踐中可能會遇到具體的問題，例如調(diào)用 TPU、使用靜態(tài)計算圖、或者使用 TensorBoard 進行可視化等。當遇到這些特定問題時，我們可以查閱查閱 TensorFlow 指南，它可能會提供詳細的介紹。

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：用于構建和訓練深度學習模型的 TensorFlow 高階 API。

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

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

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

Estimator

Estimator：了解如何將 Estimator 用于機器學習。

預創(chuàng)建的 Estimator：預創(chuàng)建的 Estimator 的基礎知識。

檢查點：保存訓練進度并從您停下的地方繼續(xù)。

特征列：在不對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備，以及如何手動更改此類分配。

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 的基礎知識。

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

變量：詳細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 將計算表示為操作之間的依賴關系的一種表示法。

會話：TensorFlow 跨一個或多個本地或遠程設備運行數(shù)據(jù)流圖的機制。如果您使用低階 TensorFlow API 編程，請務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 會為您創(chuàng)建和管理圖和會話，但是理解圖和會話依然對您有所幫助。

保存和恢復：介紹了如何保存和恢復變量及模型。

標簽： Google 代碼 開發(fā)者 網(wǎng)絡

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