Tensorflow入門教程，TensorFlow-Examples on Github

前言

Tensorflow做爲深度學習框架的頭把交椅，擁有大批量的用戶，固然也有不少新手想要加入Tensorflow的大部隊。你們都知道github已經成爲機器學習各類知識資源分享學習的平臺了。今天小編給你們介紹一個十分受歡迎的Tensorflow入門教程：TensorFlow-Examples

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

基本信息

本教程旨在經過示例輕鬆地深刻研究TensorFlow。爲了可讀性，它包括了筆記本和源代碼的解釋，爲兩個TF v1和v2版本。

它適合初學者，提供關於TensorFlow清晰和簡潔的例子。除了傳統的「原始」TensorFlow實現以外，您還能夠找到最新的TensorFlow API實踐(例如層、估計器、數據集等)。

目前該項目已經有33000+的star數目，受歡迎程度可見一斑。

教程目錄

第零章 前提

• 機器學習介紹

• 介紹MNIST數據集

  
  

第一章 介紹

• Hello World

• 基礎運算

• TensorFlow Eager API

注：Eager Execution是一個命令式、運行定義式的接口，其中，操做一旦從Python中調用便馬上得以執行。這樣TensorFlow的入門使用就變得相對簡單，並可使研究和開發過程更爲直觀

第二章 基礎模型

• 線性迴歸 (包括eager api)

• 邏輯迴歸 (包括eager api)

• 最近鄰算法

• K-Means算法

• 隨機森林

• Gradient Boosted Decision Tree (GBDT)

• Word Embedding

第三章 神經網絡

監督學習

• 簡單神經網絡 (包括tf.layers 和 eager api)

• 卷積神經網絡 (包括tf.layers)

• 遞歸神經網絡 (LSTM)

• 雙向遞歸神經網絡 (LSTM)

• 動態遞歸神經網絡 (LSTM)

非監督學習

• Auto-Encode

• Variational Auto-Encoder

• GAN

• DCGAN

第四章 工具

• 保存和儲存一個模型

• Tensorboard

第五章 數據管理

• 創建一個圖像數據集

• TensorFlow Dataset API

• 加載和解析數據

• 創建和加載 TFRecords

• 圖像轉換

第六章 Multi GPU

• Multi-GPU基本操做

• 用Multi-GPU訓練一個神經網絡

內容分析

這個教程有基本的機器學習模型，也有深度學習的基本模型，包括如今流行的GAN，在模型方面比較全面。

在數據集方面，第五章很是重要，雖然咱們有標準的MNIST數據集，可是仍是須要學會處理數據(包括預處理)，把數據整合成能夠放在網絡訓練的格式。

最後第四章，在可視化以及存儲模型方面給出了例子。能夠供你們學習使用，讓TensorFlow的效率提升。

整體而言，這個教程基礎紮實和全面，很是適合新手。

文末的那啥幫忙點一下~

本文分享自微信公衆號 - Python學會（gh_39aead19f756）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。