Tensorflow入门教程

前言

Tensorflow作为深度学习框架的头把交椅，拥有大批量的用户，当然也有很多新手想要加入Tensorflow的大部队。大家都知道github已经成为机器学习各种知识资源分享学习的平台了。今天小编给大家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

本教程旨在通过示例轻松地深入研究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实现之外，您还可以找到最新的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，操作一旦从Python中调用便立刻得以执行。这样TensorFlow的入门使用就变得相对简单，并可以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

建立一个图像数据集

TensorFlow Dataset API

加载和解析数据

建立和加载 TFRecords

图像转换

第六章 Multi GPU

Multi-GPU基本操作

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，包括现在流行的GAN，在模型方面比较全面。

在数据集方面，第五章非常重要，虽然我们有标准的MNIST数据集，但是还是需要学会处理数据(包括预处理)，把数据整合成可以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。可以供大家学习使用，让TensorFlow的效率提高。

总体而言，这个教程基础扎实和全面，非常适合新手。