资源 | 英语不行?你可以试试TensorFlow官方中文版教程

现在 TensorFlow 有官方中文版教程啦,以前的英文版 Tutorials 有了对应的中文翻译。各位还在 TensorFlow 门前徘徊的开发者们,现在可以对着中文教程学习各种流行模型啦。

TensorFlow 最近提供了官方中文版教程(Tutorials)和中文版指南(Guide)。其中教程主要介绍了 TensorFlow 的基本概念,以及各种基础模型的简单实现方法,这些模型基本上都是用 Keras 等易于理解的高阶 API 完成。而指南则深入介绍了 TensorFlow 的工作原理,包括高阶 API、Estimator、低阶 API 和 TensorBoard 等。

项目地址:https://tensorflow.google.cn/tutorials/?hl=zh-cn(点击阅读原文即可访问收藏

中文版教程

TensorFlow 是一个用于研究和生产的开源机器学习库。TensorFlow 提供了各种 API,可供初学者和专家在台式电脑、移动设备或云端环境下进行开发。而中文版教程的目的是希望能为初学者提供了解及入门 TensorFlow 的知识,包括用 Keras 实现最基本的分类和回归模型、使用 Eager Execution 构建定制化神经网络、使用 Estimator 构建大规模机器学习等。

资源 | 英语不行?你可以试试TensorFlow官方中文版教程

如上展示了 TensorFlow 第一步学习的一些内容,其中第一个基本分类介绍了如何使用全连接网络处理 Fashion-MNIST 数据集,这一教程完整地介绍了 TensorFlow 的主要流程,剩下的 4 个初步教程也会一步步教你怎样使用它。

除了入门的 Keras,用于研究的 Eager Execution 和用于大规模训练的 Estimator 也都有中文介绍。不过它们同样会提供一些 Github 项目,这些项目大多数还都是保留英文,这两部分只有介绍性的文章会提供中文。

资源 | 英语不行?你可以试试TensorFlow官方中文版教程

后面剩下的就是大量前沿模型了,这些模型很多都提供的是对应 Github 地址或 Colab 教程地址,因此它们大部分也都是英文的,不过既然入了门,再理解这些模型也就没问题了。总体而言,这些教程可以分为生成模型、视觉模型、序列模型和数据表征等 18 种模型。

最后,教程部分还提供了后续学习计划,包括详细了解 TensorFlow 和机器学习两部分。其中 TensorFlow 提供了指南、TensorFlow.js 和 TFLite 等学习路径,机器学习提供了 CS231n、机器学习速成课程、CS 20 等课程推荐。

中文指南

如果读者本来就有比较好的基础,那么我们在实践中可能会遇到很多具体问题,例如调用 TPU、使用静态计算图、或者使用 TensorBoard 进行可视化等。当遇到这些特定问题时,我们可以看一看 TensorFlow 指南,它可能会提供详细的介绍。

中文指南主要分为以下部分,这些内容都有中文介绍,所以阅读性还是挺高的。

高阶 API

 ●  Keras:用于构建和训练深度学习模型的 TensorFlow 高阶 API。
 ●  Eager Execution:一个以命令方式编写 TensorFlow 代码的 API,就像使用 NumPy 一样。
 ●  Estimator:一个高阶 API,可以提供已准备好执行大规模训练和生产的完全打包的模型。
 ●  导入数据:简单的输入管道,用于将您的数据导入 TensorFlow 程序。

Estimator

 ●  Estimator:了解如何将 Estimator 用于机器学习。
 ●  预创建的 Estimator:预创建的 Estimator 的基础知识。
 ●  检查点:保存训练进度并从保存的地方继续训练或推断。
 ●  特征列:在不对模型做出更改的情况下处理各种类型的输入数据。
 ●  Estimator 的数据集:使用 tf.data 输入数据。
 ●  创建自定义 Estimator:编写自己的 Estimator。

加速器

 ●  使用 GPU:介绍了 TensorFlow 如何将操作分配给设备,以及如何手动更改此类分配。
 ●  使用 TPU:介绍了如何修改 Estimator 程序以便在 TPU 上运行。

低阶 API

 ●  简介:介绍了如何使用高阶 API 之外的低阶 TensorFlow API 的基础知识。
 ●  张量:介绍了如何创建、操作和访问张量(TensorFlow 中的基本对象)。
 ●  变量:详细介绍了如何在程序中表示共享持久状态。
 ●  数据流图:这是 TensorFlow 将计算表示为操作之间的依赖关系的一种表示法。
 ●  会话:TensorFlow 跨一个或多个本地或远程设备运行数据流图的机制。如果您使用低阶 TensorFlow API 编程,请务必阅读并理解本单元的内容。如果您使用高阶 TensorFlow API(例如 Estimator 或 Keras)编程,则高阶 API 会为您创建和管理图和会话,但是理解图和会话依然对您有所帮助。

 ●  保存和恢复:介绍了如何保存和恢复变量及模型。


原文发布时间为:2018-11-22

本文来自云栖社区合作伙伴“机器学习算法与Python学习”,了解相关信息可以关注“机器学习算法与Python学习”。

上一篇:PHP版微信第三方实现一键登录及获取用户信息的方法


下一篇:阿里云、天津开启多项合作,区域经济大脑落地津南