Tensorflow入门教程，TensorFlow-Examples on Github

前言

Tensorflow做为深度学习框架的头把交椅，拥有大批量的用户，固然也有不少新手想要加入Tensorflow的大部队。你们都知道github已经成为机器学习各类知识资源分享学习的平台了。今天小编给你们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

本教程旨在经过示例轻松地深刻研究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实现以外，您还能够找到最新的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，操做一旦从Python中调用便马上得以执行。这样TensorFlow的入门使用就变得相对简单，并可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

• 创建一个图像数据集

• TensorFlow Dataset API

• 加载和解析数据

• 创建和加载 TFRecords

• 图像转换

第六章 Multi GPU

• Multi-GPU基本操做

• 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，包括如今流行的GAN，在模型方面比较全面。

在数据集方面，第五章很是重要，虽然咱们有标准的MNIST数据集，可是仍是须要学会处理数据(包括预处理)，把数据整合成能够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。能够供你们学习使用，让TensorFlow的效率提升。

整体而言，这个教程基础扎实和全面，很是适合新手。

文末的那啥帮忙点一下~

本文分享自微信公众号 - Python学会（gh_39aead19f756）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。