Редактор Heart of the Machine, участие: Siyuan.
Теперь у TensorFlow есть официальная китайская версия туториала, а предыдущая англоязычная версия туториалов имеет соответствующий китайский перевод. Разработчики, которые все еще блуждают перед TensorFlow, теперь могут изучить различные популярные модели из китайских руководств.
TensorFlow недавно предоставил официальную китайскую версию Учебников (Tutorials) и китайскую версию Руководства (Guide). Учебник в основном знакомит с основными понятиями TensorFlow и простыми методами реализации различных базовых моделей, которые в основном дополнены простыми для понимания высокоуровневыми API, такими как Keras. Руководства содержат подробное введение в работу TensorFlow, включая высокоуровневые API, Estimator, низкоуровневые API, TensorBoard и многое другое.
адрес проекта:тензорный поток.Google.capable/tutorials/?…
Учебник по китайской версии
TensorFlow — это библиотека машинного обучения с открытым исходным кодом для исследований и производства. TensorFlow предоставляет множество API-интерфейсов для начинающих и экспертов для разработки в настольных, мобильных или облачных средах. Цель китайской версии руководства — предоставить новичкам знания, необходимые для понимания и начала работы с TensorFlow, включая реализацию самых базовых моделей классификации и регрессии с помощью Keras, создание настраиваемых нейронных сетей с помощью Eager Execution и создание крупномасштабной машины. обучение с оценщиком.
Вышеприведенное показывает часть содержимого первого шага TensorFlow. Первая базовая классификация знакомит с тем, как использовать полносвязную сеть для обработки набора данных Fashion-MNIST. В этом руководстве полностью представлен основной процесс TensorFlow, а остальные 4 предварительные учебник также научит вас шаг за шагом, как его использовать.
В дополнение к вводному Keras, Eager Execution для исследований и Estimator для крупномасштабного обучения также представлены на китайском языке. Тем не менее, они также предоставят некоторые проекты Github, большинство из которых все еще на английском языке, и только вводные статьи в этих двух частях будут предоставлять китайский язык.
Остальное — это большое количество передовых моделей.Многие из этих моделей предоставляют соответствующие адреса Github или адреса учебных пособий Colab, поэтому большинство из них также на английском языке, но теперь, когда вы вошли в дверь, не проблема понять эти модели . В целом учебные пособия можно сгруппировать в 18 моделей, таких как генеративные модели, визуальные модели, модели последовательности и представление данных.
Наконец, в учебном разделе также представлены планы дальнейшего обучения, в том числе подробное понимание TensorFlow и машинного обучения. Среди них TensorFlow предоставляет пути обучения, такие как руководства, TensorFlow.js и TFLite, а машинное обучение предоставляет рекомендации по курсам, такие как CS231n, Ускоренный курс машинного обучения и CS 20.
китайский гид
Если у читателя уже есть хорошая база, то на практике мы можем столкнуться со многими специфическими проблемами, такими как вызов TPU, использование статических вычислительных графов или использование TensorBoard для визуализации. При столкновении с этими конкретными проблемами мы можем взглянуть на руководство TensorFlow, которое может предоставить подробное введение.
Руководство по китайскому языку в основном разделено на следующие части, каждая из которых представлена на китайском языке, поэтому удобочитаемость довольно высока.
API высокого уровня
Keras: высокоуровневый API TensorFlow для создания и обучения моделей глубокого обучения.
Eager Execution: API для императивного написания кода TensorFlow, как при использовании NumPy.
Estimator: высокоуровневый API, предоставляющий полностью упакованные модели, готовые к обучению и производству в масштабе.
Импорт данных: простой конвейер ввода для импорта ваших данных в программы TensorFlow.
Estimator
Estimator: узнайте, как использовать Estimator для машинного обучения.
Предварительно созданные оценщики: основы предварительно созданных оценщиков.
Контрольная точка: сохраните ход обучения и возобновите обучение или вывод с того места, где оно было сохранено.
Столбцы функций: обрабатывайте различные типы входных данных без внесения изменений в модель.
Набор данных оценщика: используйте tf.data для ввода данных.
Создайте собственный оценщик: напишите свой собственный оценщик.
ускоритель
Использование графических процессоров: описывает, как TensorFlow назначает операции устройствам и как вручную изменять такие назначения.
Использование TPU: описывает, как модифицировать программу Estimator для работы на TPU.
API низкого уровня
Введение: охватывает основы использования низкоуровневого API TensorFlow в дополнение к высокоуровневому API.
Тензоры: описывает, как создавать тензоры (базовые объекты в TensorFlow), управлять ими и получать к ним доступ.
Переменные: детализируют, как общее постоянное состояние представлено в программе.
Граф потока данных: это нотация TensorFlow для представления вычислений в виде зависимостей между операциями.
Сеансы: механизм TensorFlow для запуска графов потоков данных на одном или нескольких локальных или удаленных устройствах. Если вы программируете с помощью низкоуровневого API TensorFlow, обязательно прочитайте и поймите этот модуль. Если вы программируете с помощью высокоуровневого API TensorFlow, такого как Estimator или Keras, высокоуровневый API создает для вас графики и сеансы и управляет ими, но понимание графиков и сеансов все равно может вам помочь.
-
Сохранение и восстановление: описывает, как сохранять и восстанавливать переменные и модели.