本文首发于公众号“浊酒清味”
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。
网友评论