原文教程:tensorflow官方教程
翻译教程:极客学院
记录关键内容与学习感受。未完待续。
一、基本的神经网络
—–第一个tensorflow教程指导你通过训练和测试一个简单的神经网络,来从数字图像的MNIST数据集中分类手写数字。
1、面向机器初学者的MNIST教程(MNIST For ML Beginners)
—–第一次学习机器学习的人建议从这个教程看起。你将学到一个分类问题,手写数字分类,并且获得对多分类一个直观的介绍。
官方教程
2、面向机器学习专家的深度MNIST教程(Deep MNIST for Experts)
—–如果你已经对其他深度学习软件比较熟悉,并且很熟悉MNIST,这篇教程讲给你一个关于tensorflow简要的初步了解。
官方教程
3、TensorFlow Mechanics 101
—–这是篇技术教程,详细介绍了如何使用tensorflow架构训练大型模型。我们使用MNIST作为例子。
官方教程
二、Easy ML with tf.contrib.learn
1、tf.contrib.learn Quickstart
—–关于tf.contrib.learn的快速介绍,是tensorflow高级别API,用几行代码来建立、训练和验证神经网络。
官方教程
2、Overview of Linear Models with tf.contrib.learn
—–关于tf.contrib.learn的一个综述,有在tensorflow上处理线性模型的大量工具。
官方教程
3、Linear Model Tutorial
—–本教程通过代码使用tf.contrib.learn建立一个线性模型。
官方教程
4、Wide and Deep Learning Tutorial
—–本教程向你展示如何使用tf.contrib.learn共同创建一个线性模型和深层网络,如何利用每种网络的优势。
官方教程
5、Logging and Monitoring Basics with tf.contrib.learn
—–本教程展示如何使用tensorflow的日志功能和监控API来检查神经网络训练的中间过程。
官方教程
6、Building Input Functions with tf.contrib.learn
—–本教程介绍在tf.contrib.learn创建一个输入函数,并且带你实例化一个input_fn来训练神经网络以预测房价中位数。
官方教程
7、Creating Estimators in tf.contrib.learn
—–这篇教程涵盖了,如何通过使用tf.contrib.learn中的建立块来创建自己的 Estimator。你要建立一个模型来通过鲍鱼的生理特性预测它的年龄。
官方教程
三、TensorFlow Serving
TensorFlow Serving
—–对tensorflow服务器的介绍,一个由生产环境设计的灵活、高效的系统以服务于机器学习模型。
官方教程
四、Image Processing
1、Convolutional Neural Networks
—–关于使用CIFAR-10数据集训练卷积神经网络的一个介绍。卷积神经网络是对图像处理专门设计的,利用平移不变性更简洁有效的展示视觉内容。
官方教程
2、Image Recognition
—–如何利用图像网络挑战数据集合标签数据集训练的卷积神经网络来跑一个目标识别程序。
官方教程
3、Deep Dream Visual Hallucinations
—–在初始识别模型的基础上,官方要发布一个tensorflow新版本,关于deep dream神经网络视觉错觉软件。
官方教程
五、Language and Sequence Processing
1、Vector Representations of Words
—–解释为什么学会使用向量表示单词(或者单词嵌套)是有用的。介绍了word2vec模型是一种学习嵌套的高效模型。还介绍了对比与噪声训练的一些高级细节,这个方法是训练嵌套方面最近最大的进展。
官方教程
2、Recurrent Neural Networks
—–对循环神经网络的介绍,我们将训练 LSTM网络来预测一个英语句子中下一个单词(这个任务有时也称之为语言建模)。
官方教程
3、Sequence-to-Sequence Models
—–循环神经网络的后续教程。采用序列到序列模型进行机器翻译,你将学会构建一个完全基于机器学习的,端到端的,英语-法语的,机器翻译器。
官方教程
4、SyntaxNet: Neural Models of Syntax
—–对SyntaxNet的一个介绍,关于tensorflow自然语言处理框架。
官方教程
六、Non-ML Applications
1、Mandelbrot Set
—–tensorflow可以用于与机器学习完全无关的其他计算领域,这里实现了一个原生的 Mandelbrot 集合的可视化程序。
官方教程
2、Partial Differential Equations
—–另一个关于非机器学习计算的例子,我们利用一个原生实现的偏微分方程, 对雨滴落在池塘上的过程进行仿真。
官方教程