Curso TensorFlow
1.0.0
Este repositorio tiene como objetivo proporcionar tutoriales sencillos y listos para usar para TensorFlow. Cada tutorial incluye source code y la mayoría de ellos están asociados a una documentation .
Para respaldar el mantenimiento y la actualización de este proyecto, considere patrocinar al desarrollador del proyecto.
Cualquier nivel de apoyo es una gran contribución aquí ❤️
Estado: este proyecto se ha actualizado a **TensorFlow 2.3* .*
Descargue el libro electrónico gratuito sobre la hoja de ruta de TensorFlow
Grupo flojo
¿Qué es TensorFlow?
Motivación
¿Por qué utilizar TensorFlow?
¿Cuál es el punto de este repositorio?
Instalación de TensorFlow y configuración del entorno
Tutoriales de TensorFlow
Calentamiento
Lo esencial
Aprendizaje automático básico
Redes neuronales
Avanzado
Algunos tutoriales útiles
Contribuyendo
Proceso de solicitud de extracción
Nota final
Desarrolladores
TensorFlow es una biblioteca de software de código abierto para la programación de flujos de datos en una variedad de tareas. Es una biblioteca matemática simbólica y también se utiliza para aplicaciones de aprendizaje automático, como redes neuronales. Se utiliza tanto para investigación como para producción en Google y a menudo reemplaza a su predecesor de código cerrado, DistBelief.
TensorFlow fue desarrollado por el equipo de Google Brain para uso interno de Google. Fue lanzado bajo la licencia de código abierto Apache 2.0 el 9 de noviembre de 2015.
Hay diferentes motivaciones para este proyecto de código abierto. TensorFlow (mientras escribimos este documento) es uno de los mejores marcos de aprendizaje profundo disponibles. La pregunta que cabe hacerse es ¿por qué se ha creado este repositorio cuando hay tantos otros tutoriales sobre TensorFlow disponibles en la web?
El aprendizaje profundo es de gran interés en estos días: existe una necesidad crucial de implementaciones rápidas y optimizadas de algoritmos y arquitecturas. TensorFlow está diseñado para facilitar este objetivo.
La gran ventaja de TensorFlow es su flexibilidad para diseñar modelos altamente modulares, lo que también puede ser una desventaja para los principiantes, ya que muchas de las piezas deben considerarse juntas al crear el modelo.
Este problema también se ha facilitado mediante el desarrollo de API de alto nivel como Keras y Slim, que abstraen muchas de las piezas utilizadas en el diseño de algoritmos de aprendizaje automático.
Lo interesante de TensorFlow es que hoy en día se puede encontrar en cualquier lugar . ¡Muchos investigadores y desarrolladores lo están utilizando y su comunidad está creciendo a la velocidad de la luz ! Se pueden solucionar muchos problemas fácilmente, ya que generalmente son los mismos problemas con los que se enfrentan muchas otras personas considerando la gran cantidad de personas involucradas en la comunidad de TensorFlow.
Desarrollar proyectos de código abierto por el simple hecho de desarrollar algo no es la razón detrás de este esfuerzo . Teniendo en cuenta la gran cantidad de tutoriales que se están agregando a esta gran comunidad, este repositorio se creó para romper el proceso de entrada y salida que suele ocurrir en la mayoría de los proyectos de código abierto, pero ¿por qué y cómo ?
En primer lugar, ¿qué sentido tiene esforzarse en algo que la mayoría de la gente no se detiene a echarle un vistazo? ¿Cuál es el punto de crear algo que no ayuda a nadie en la comunidad de desarrolladores e investigadores? ¿Por qué dedicar tiempo a algo que se puede olvidar fácilmente? ¿Pero cómo intentamos hacerlo? Incluso hasta este momento existen innumerables tutoriales sobre TensorFlow, ya sea sobre el diseño del modelo o el flujo de trabajo de TensorFlow.
La mayoría de ellos son demasiado complicados o carecen de documentación. Solo hay unos pocos tutoriales disponibles que son concisos y bien estructurados y brindan suficiente información para sus modelos implementados específicos.
El objetivo de este proyecto es ayudar a la comunidad con tutoriales estructurados e implementaciones de código simples y optimizadas para brindar una mejor comprensión sobre cómo usar TensorFlow de manera rápida y efectiva .
Vale la pena señalar que el objetivo principal de este proyecto es proporcionar tutoriales bien documentados y código menos complicado .
Para instalar TensorFlow, consulte el siguiente enlace:
Instalación de TensorFlow
Se recomienda la instalación del entorno virtual para evitar conflictos de paquetes y tener la capacidad de personalizar el entorno de trabajo.
Los tutoriales de este repositorio están divididos en categorías relevantes.
| # | tema | Correr | Código fuente | Medios de comunicación |
|---|---|---|---|---|
| 1 | Puesta en marcha | Cuaderno/Python | Vídeotutorial |
| # | tema | Correr | Código fuente | Medios de comunicación |
|---|---|---|---|---|
| 1 | Tensores | Cuaderno/Python | Vídeotutorial | |
| 2 | Diferenciación automática | Cuaderno/Python | Vídeotutorial | |
| 3 | Introducción a los gráficos | Cuaderno/Python | Vídeotutorial | |
| 4 | Modelos de TensorFlow | Cuaderno/Python | Vídeotutorial |
| # | tema | Correr | Código fuente | Más | Medios de comunicación |
|---|---|---|---|---|---|
| 1 | Regresión lineal | Cuaderno/Python | Tutorial | Vídeotutorial | |
| 2 | Aumento de datos | Cuaderno/Python | Tutorial | Vídeotutorial |
| # | tema | Correr | Código fuente | Medios de comunicación |
|---|---|---|---|---|
| 1 | Perceptrón multicapa | Cuaderno/Python | Vídeotutorial | |
| 2 | Redes neuronales convolucionales | Cuaderno/Python | Vídeotutorial |
| # | tema | Correr | Código fuente | Medios de comunicación |
|---|---|---|---|---|
| 1 | Entrenamiento personalizado | Cuaderno/Python | Vídeotutorial | |
| 2 | Generador de conjuntos de datos | Cuaderno/Python | Vídeotutorial | |
| 3 | Crear registros TF | Cuaderno/Python | Vídeotutorial |
Ejemplos de TensorFlow: tutoriales de TensorFlow y ejemplos de código para principiantes
TensorFlow-101 de Sungjoon: tutoriales de TensorFlow escritos en Python con Jupyter Notebook
Ejercicios de TensorFlow de Terry Um: vuelva a crear los códigos de otros ejemplos de TensorFlow
Clasificación en series temporales: clasificación de redes neuronales recurrentes en TensorFlow con LSTM en datos de sensores de teléfonos móviles
Al contribuir a este repositorio, primero discuta el cambio que desea realizar mediante un problema, correo electrónico o cualquier otro método con los propietarios de este repositorio antes de realizar un cambio. En caso de errores tipográficos, no cree una solicitud de extracción. En su lugar, declárelos en issues o envíe un correo electrónico al propietario del repositorio .
Tenga en cuenta que tenemos un código de conducta; sígalo en todas sus interacciones con el proyecto.
Por favor considere los siguientes criterios para ayudarnos de una mejor manera:
Se espera que la solicitud de extracción sea principalmente una sugerencia o mejora del script de código.
NO cambie los archivos ipython. En su lugar, cambie los archivos PYTHON correspondientes.
Se espera que una solicitud de extracción relacionada con secciones de secuencias de comandos sin código marque una diferencia significativa en la documentación. En caso contrario, se espera que se anuncie en la sección de cuestiones.
Asegúrese de que cualquier dependencia de instalación o compilación se elimine antes del final de la capa al realizar una compilación y crear una solicitud de extracción.
Agregue comentarios con detalles de los cambios en la interfaz, esto incluye nuevas variables de entorno, puertos expuestos, ubicaciones de archivos útiles y parámetros de contenedor.
Puede fusionar la solicitud de extracción una vez que tenga la aprobación de al menos otro desarrollador o, si no tiene permiso para hacerlo, puede solicitarle al propietario que la fusione por usted si cree que se aprobaron todas las comprobaciones.
Esperamos sus amables comentarios. Ayúdenos a mejorar este proyecto de código abierto y mejorar nuestro trabajo. Para realizar una contribución, cree una solicitud de extracción y la investigaremos de inmediato. Una vez más, agradecemos sus amables comentarios y sus elaboradas inspecciones de código.
Empresa : Instill AI [sitio web]
Creador : Mentalidad de aprendizaje automático [Blog, GitHub, Twitter]
Desarrollador : Amirsina Torfi [GitHub, sitio web personal, Linkedin]
