网上做网站网站吗,推广公司名字,为什么要做手机网站,嘉兴微信网站上周分享了一份 TensorFlow 官方的中文版教程#xff0c;这次分享的是在 Github 上的一份简单易懂的教程#xff0c;项目地址是#xff1a;
https://github.com/open-source-for-science/TensorFlow-Course#why-use-tensorflow
如下图所示#xff0c;已经有超过7000的 St…上周分享了一份 TensorFlow 官方的中文版教程这次分享的是在 Github 上的一份简单易懂的教程项目地址是
https://github.com/open-source-for-science/TensorFlow-Course#why-use-tensorflow
如下图所示已经有超过7000的 Star了 这个仓库的目标是提供一份简单且容易上手的 TensorFlow 教程每个教程都包含源代码并且大部分都包含有一份文档。
目录
什么是 TensorFlow 动机 为什么要使用 TensorFlowTensorFlow 的安装和环境配置TensorFlow 教程热身基础知识机器学习基础神经网络 一些有用的教程
什么是 TensorFlow
TensorFlow 是一个用于多任务数据流编程的开源软件库。它是一个符号数学库同时也能应用在如神经网络方面的机器学习应用。它在谷歌可以同时应用在研究和工程中。
TensorFlow 是谷歌大脑团队开发出来作为谷歌内部使用的。它在2015年9月份公布出来并采用 Apache 2.0 开源协议。
目前最新的稳定版本是 2018年9月27日的1.11.0版本。
动机
开始这个开源项目的动机有很多。TensorFlow 是目前可用的最好的深度学习框架之一所以应该问的是现在网上能找到这么多关于 TensorFlow 教程为什么还需要创建这个开源项目呢
为什么要使用 TensorFlow
深度学习现在是非常的火并且现在也有快速和优化实现算法和网络结构的需求。而 TensorFlow 就是为了帮助实现这个目标而设计出来的。
TensorFlow 的亮点就在于它可以非常灵活的设计模块化的模型但是这对于初学者是一个缺点因为这意味着需要考虑很多东西才能建立一个模型。
当然上述问题因为有很多高级的 API 接口如 Keras(https://keras.io/) 和 Slim(https://github.com/tensorflow/models/blob/031a5a4ab41170d555bc3e8f8545cf9c8e3f1b28/research/inception/inception/slim/README.md) 等通过抽象机器学习算法中的许多模块的软件库而得到较好的解决。
对于 TensorFlow 来说一件非常有趣的事情就是现在到处都可以找到它的身影。大量的研究者和开发者都在使用它而且它的社区正以光速的速度发展起来。所以很多问题都可以轻松解决因为在它的社区中有非常多的人都在使用大部分人都会遇到相同的问题。
TensorFlow 的安装和环境配置
TensorFlow 的安装和环境配置可以如下面动图所示按照这个教程https://github.com/open-source-for-science/TensorFlow-Course/blob/master/docs/tutorials/installation 操作即可。 这里主要推荐的是采用虚拟环境安装的方式一是可以避免安装库冲突的问题特别是因为 python 的版本问题第二个是可以自定义工作环境针对 python 的 2.x 版本 和 3.x 版本分别设置不同的虚拟环境安装不同的软件库。 TensorFlow 教程
接下来就是本教程的主要内容了大部分的教程都包含了文档的说明所有的教程都有代码和用 Jupyter notebook 编写的代码也就是 Ipython。
热身
入门的代码https://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/python/0-welcome
IPython 形式https://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/ipython/0-welcome/code/0-welcome.ipynb
文档介绍https://github.com/open-source-for-science/TensorFlow-Course/blob/master/docs/tutorials/0-welcome 基础 基础的数学运算
文档介绍https://github.com/open-source-for-science/TensorFlow-Course/tree/master/docs/tutorials/1-basics/basic_math_operations
代码https://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/python/1-basics/basic_math_operations
Ipythonhttps://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/ipython/1-basics/basic_math_operations/code/basic_math_operation.ipynb
TensorFlow 变量介绍
文档介绍https://github.com/open-source-for-science/TensorFlow-Course/blob/master/docs/tutorials/1-basics/variables
代码https://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/python/1-basics/variables/README.rst
Ipythonhttps://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/ipython/1-basics/variables/code/variables.ipynb 机器学习基础 线性回归
文档介绍https://github.com/open-source-for-science/TensorFlow-Course/blob/master/docs/tutorials/2-basics_in_machine_learning/linear_regression
代码https://github.com/open-source-for-science/TensorFlow-Course/tree/master/codes/python/2-basics_in_machine_learning/linear_regression
Ipythonhttps://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/ipython/2-basics_in_machine_learning/linear_regression/code/linear_regression.ipynb
逻辑回归
文档说明https://github.com/open-source-for-science/TensorFlow-Course/blob/master/docs/tutorials/2-basics_in_machine_learning/logistic_regression
代码https://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/python/2-basics_in_machine_learning/logistic_regression
Ipythonhttps://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/ipython/2-basics_in_machine_learning/logistic_regression/code/logistic_regression.ipynb
线性支持向量机
代码https://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/python/2-basics_in_machine_learning/linear_svm
Ipythonhttps://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/ipython/2-basics_in_machine_learning/linear_svm/code/linear_svm.ipynb
多类核支持向量机
代码https://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/python/2-basics_in_machine_learning/multiclass_svm
Ipythonhttps://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/ipython/2-basics_in_machine_learning/multiclass_svm/code/multiclass_svm.ipynb 神经网络 多层感知器
代码https://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/python/3-neural_networks/multi-layer-perceptron
Ipythonhttps://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/ipython/3-neural_networks/multi-layer-perceptron/code/train_mlp.ipynb
卷积神经网络
文档介绍https://github.com/open-source-for-science/TensorFlow-Course/blob/master/docs/tutorials/3-neural_network/convolutiona_neural_network
代码https://github.com/open-source-for-science/TensorFlow-Course/tree/master/codes/python/3-neural_networks/convolutional-neural-network
循环神经网络
代码https://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/python/3-neural_networks/recurrent-neural-networks/code/rnn.py
Ipythonhttps://github.com/open-source-for-science/TensorFlow-Course/blob/master/codes/ipython/3-neural_networks/recurrent-neural-networks/code/rnn.ipynb
其他有用的教程
TensorFlow Examples–适合初学者的教程和代码例子 https://github.com/aymericdamien/TensorFlow-ExamplesSungjoon’s TensorFlow-101–采用 Jupyter Notebook 编写的教程 https://github.com/sjchoi86/Tensorflow-101Terry Um’s TensorFlow Exercises–根据其他 TensorFlow 例子重新编写的代码 https://github.com/terryum/TensorFlow_ExercisesClassification on time series–采用 TensorFlow 实现的 LSTM 的循环神经网络分类代码 https://github.com/guillaume-chevalier/LSTM-Human-Activity-Recognition 这就是本次分享的 TensorFlow 教程后面我也会继续分享对这个教程的学习笔记和翻译。
欢迎关注我的微信公众号–机器学习与计算机视觉或者扫描下方的二维码在后台留言和我分享你的建议和看法指正文章中可能存在的错误大家一起交流学习和进步 我的个人博客
http://ccc013.github.io/
推荐阅读
1.机器学习入门系列(1)–机器学习概览(上)
2.机器学习入门系列(2)–机器学习概览(下)
3.[GAN学习系列] 初识GAN
4.[GAN学习系列2] GAN的起源
5.谷歌开源的 GAN 库–TFGAN
