标签归档:deep-learning-tutorial

TensorFlow-Course-📡简单易用的TensorFlow教程

目录

Download Free TensorFlow Roadmap EBook

Slack Group

What is TensorFlow?

TensorFlow是一个开放源码软件库,用于跨一系列任务进行数据流编程。它是一个符号数学库,也用于机器学习应用程序,如神经网络。在谷歌,它同时用于研究和生产,经常取代其封闭源代码的前身DistBelef

TensorFlow是由谷歌大脑团队开发的,供谷歌内部使用。它是在Apache2.0开放源码许可下于2015年11月9日发布的

Motivation

这个开源项目有不同的动机。TensorFlow(在我们撰写本文时)是目前最好的深度学习框架之一。应该问的问题是,当网上有这么多关于TensorFlow的其他教程时,为什么要创建这个存储库?

Why use TensorFlow?

如今,深度学习非常受关注–迫切需要算法和体系结构的快速和优化实现。TensorFlow就是为实现这一目标而设计的

TensorFlow的强大优势在于它可以灵活地设计高度模块化的模型,这对于初学者来说也可能是一个劣势,因为在创建模型时必须将许多部分放在一起考虑

通过开发高级API(如KerasSlim其中抽象了许多用于设计机器学习算法的部分

TensorFlow的有趣之处在于这些天来,它随处可见。很多研究人员和开发人员都在使用它它的社区正在以光速增长好了!考虑到TensorFlow社区涉及的人数众多,因此许多问题都可以很容易地处理,因为这些问题通常与许多其他人遇到的问题相同

What’s the point of this repository?

仅仅为了开发一些东西而开发开放源码项目并不是这种努力背后的原因考虑到要向这个大型社区添加大量教程,创建这个资源库是为了打破通常发生在大多数开放源码项目中的跳入和跳出过程,但是为什么以及如何呢?

首先,把精力放在大多数人不会停下来看一看的东西上有什么意义?创建对开发人员和研究人员社区中的任何人都没有帮助的东西有什么意义?为什么要把时间花在容易被遗忘的事情上呢?但我们要怎么做呢?甚至到目前为止,关于TensorFlow的教程数不胜数,无论是关于模型设计还是TensorFlow工作流

他们中的大多数都太复杂了,或者缺乏文档。只有几个可用的教程简明扼要、结构良好,并为其特定实现的模型提供了足够的洞察力

此项目的目标是帮助社区提供结构化教程以及简单和优化的代码实现,以便更好地了解如何使用TensorFlow快速有效

值得注意的是,这个项目的主要目标是提供文档齐全的教程和不太复杂的代码。好了!

TensorFlow Installation and Setup the Environment

要安装TensorFlow,请参阅以下链接:

建议安装虚拟环境,以避免包冲突,并具有自定义工作环境的能力

TensorFlow Tutorials

此存储库中的教程被划分为相关类别


Warm-up

# 主题 源代码 媒体
1个 启动
Notebook/Python Video Tutorial

Basics

# 主题 源代码 媒体
1个 张量
Notebook/Python Video Tutorial
2个 自动区分
Notebook/Python Video Tutorial
3个 图形导论
Notebook/Python Video Tutorial
4. TensorFlow模型
Notebook/Python Video Tutorial

Basic Machine Learning

# 主题 源代码 更多 媒体
1个 线性回归
Notebook/Python Tutorial Video Tutorial
2个 数据增强
Notebook/Python Tutorial Video Tutorial

Neural Networks

# 主题 源代码 媒体
1个 多层感知器
Notebook/Python Video Tutorial
2个 卷积神经网络
Notebook/Python Video Tutorial

Advanced

# 主题 源代码 媒体
1个 定制培训
Notebook/Python Video Tutorial
2个 数据集生成器
Notebook/Python Video Tutorial
3个 创建TF记录
Notebook/Python Video Tutorial

Some Useful Tutorials

Contributing

向此存储库投稿时,请先通过问题、电子邮件或任何其他方法与此存储库的所有者讨论您希望进行的更改,然后再进行更改。对于打字错误,请不要创建拉取请求。取而代之的是,在问题中声明它们或通过电子邮件通知存储库所有者

请注意,我们有行为准则,请在您与项目的所有交互中遵循该准则

Pull Request Process

请考虑以下标准,以便更好地帮助我们:

  • 拉取请求主要预期为代码脚本建议或改进
  • 请不要更改IPython文件。而是更改相应的Python文件
  • 与非代码脚本部分相关的拉取请求预计会对文档产生重大影响。否则,预计将在问题部分公布。
  • 在执行构建和创建拉入请求时,请确保在图层结束之前移除所有安装或构建依赖项
  • 添加带有接口更改详细信息的注释,包括新的环境变量、暴露的端口、有用的文件位置和容器参数
  • 一旦您获得至少一个其他开发人员的签字,您就可以合并拉取请求,或者如果您没有权限这样做,如果您相信所有检查都已通过,您可以请求所有者为您合并该请求

Final Note

我们期待着您的善意反馈。请帮助我们改进这个开源项目,让我们的工作做得更好。对于捐款,请创建拉取请求,我们会立即进行调查。再次感谢您的好意反馈和详细的代码检查

Developers

公司:灌输人工智能[Website]

创建者:机器学习思维模式[BlogGitHubTwitter]

开发人员:Amirsina Torfi[GitHubPersonal WebsiteLinkedin]