Kursus TensorFlow
1.0.0
Repositori ini bertujuan untuk memberikan tutorial sederhana dan siap digunakan untuk TensorFlow. Setiap tutorial menyertakan source code dan sebagian besar terkait dengan documentation .
Untuk mendukung pemeliharaan dan peningkatan proyek ini, mohon pertimbangkan untuk mensponsori pengembang proyek.
Dukungan tingkat apa pun merupakan kontribusi besar di sini ❤️
Status: Proyek ini telah diperbarui ke **TensorFlow 2.3* .*
Unduh EBuku Peta Jalan TensorFlow Gratis
Grup Kendur
Apa itu TensorFlow?
Motivasi
Mengapa menggunakan TensorFlow?
Apa gunanya repositori ini?
Instalasi TensorFlow dan Pengaturan Lingkungan
Tutorial TensorFlow
Pemanasan
Dasar-dasar
Pembelajaran Mesin Dasar
Jaringan Syaraf
Canggih
Beberapa Tutorial Berguna
Berkontribusi
Proses Permintaan Tarik
Catatan Akhir
Pengembang
TensorFlow adalah pustaka perangkat lunak sumber terbuka untuk pemrograman aliran data di berbagai tugas. Ini adalah perpustakaan matematika simbolis, dan juga digunakan untuk aplikasi pembelajaran mesin seperti jaringan saraf. Ini digunakan untuk penelitian dan produksi di Google, sering kali menggantikan pendahulunya yang bersumber tertutup, DistBelief.
TensorFlow dikembangkan oleh tim Google Brain untuk penggunaan internal Google. Ini dirilis di bawah lisensi open source Apache 2.0 pada 9 November 2015.
Ada motivasi berbeda untuk proyek sumber terbuka ini. TensorFlow (saat kami menulis dokumen ini) adalah salah satu framework pembelajaran mendalam terbaik yang tersedia. Pertanyaan yang patut ditanyakan adalah mengapa repositori ini dibuat padahal banyak sekali tutorial lain tentang TensorFlow yang tersedia di web?
Pembelajaran Mendalam (Deep Learning) sangat diminati akhir-akhir ini - terdapat kebutuhan penting akan implementasi algoritma dan arsitektur yang cepat dan optimal. TensorFlow dirancang untuk memfasilitasi tujuan ini.
Keuntungan utama TensorFlow adalah fleksibilitasnya dalam merancang model yang sangat modular yang juga dapat menjadi kerugian bagi pemula karena banyak bagian yang harus dipertimbangkan bersama-sama saat membuat model.
Masalah ini juga telah difasilitasi dengan mengembangkan API tingkat tinggi seperti Keras dan Slim yang mengabstraksi banyak bagian yang digunakan dalam merancang algoritma pembelajaran mesin.
Hal yang menarik tentang TensorFlow adalah ia dapat ditemukan di mana saja saat ini . Banyak peneliti dan pengembang yang menggunakannya dan komunitasnya berkembang dengan kecepatan cahaya ! Begitu banyak masalah yang dapat ditangani dengan mudah karena biasanya masalah tersebut sama dengan yang dihadapi banyak orang mengingat banyaknya orang yang terlibat dalam komunitas TensorFlow.
Mengembangkan proyek open source demi sekedar mengembangkan sesuatu bukanlah alasan di balik upaya ini . Mengingat banyaknya tutorial yang ditambahkan ke komunitas besar ini, repositori ini dibuat untuk menghentikan proses jump-in dan jump-out yang biasanya terjadi pada sebagian besar proyek open source, tetapi mengapa dan bagaimana ?
Pertama-tama, apa gunanya berupaya melakukan sesuatu yang sebagian besar orang tidak akan mampir dan melihatnya? Apa gunanya menciptakan sesuatu yang tidak membantu siapa pun di komunitas pengembang dan peneliti? Mengapa menghabiskan waktu untuk sesuatu yang mudah dilupakan? Namun bagaimana kita mencoba melakukannya? Bahkan hingga saat ini, terdapat banyak sekali tutorial tentang TensorFlow baik tentang desain model maupun alur kerja TensorFlow.
Kebanyakan dari mereka terlalu rumit atau kurang dokumentasi. Hanya ada beberapa tutorial yang tersedia yang ringkas dan terstruktur dengan baik serta memberikan wawasan yang cukup untuk model implementasi spesifiknya.
Tujuan dari proyek ini adalah membantu komunitas dengan tutorial terstruktur dan implementasi kode yang sederhana dan optimal untuk memberikan wawasan yang lebih baik tentang cara menggunakan TensorFlow dengan cepat dan efektif .
Perlu dicatat bahwa, tujuan utama proyek ini adalah untuk menyediakan tutorial yang terdokumentasi dengan baik dan kode yang tidak terlalu rumit !
Untuk menginstal TensorFlow silakan merujuk ke tautan berikut:
Instalasi TensorFlow
Instalasi lingkungan virtual disarankan untuk mencegah konflik paket dan memiliki kapasitas untuk menyesuaikan lingkungan kerja.
Tutorial dalam repositori ini dipartisi ke dalam kategori yang relevan.
| # | topik | Berlari | Kode Sumber | Media |
|---|---|---|---|---|
| 1 | Rintisan | Buku Catatan / Python | Video Tutorial |
| # | topik | Berlari | Kode Sumber | Media |
|---|---|---|---|---|
| 1 | Tensor | Buku Catatan / Python | Video Tutorial | |
| 2 | Diferensiasi Otomatis | Buku Catatan / Python | Video Tutorial | |
| 3 | Pengantar Grafik | Buku Catatan / Python | Video Tutorial | |
| 4 | Model TensorFlow | Buku Catatan / Python | Video Tutorial |
| # | topik | Berlari | Kode Sumber | Lagi | Media |
|---|---|---|---|---|---|
| 1 | Regresi Linier | Buku Catatan / Python | tutorial | Video Tutorial | |
| 2 | Augmentasi Data | Buku Catatan / Python | tutorial | Video Tutorial |
| # | topik | Berlari | Kode Sumber | Media |
|---|---|---|---|---|
| 1 | Perceptron Multi Lapisan | Buku Catatan / Python | Video Tutorial | |
| 2 | Jaringan Neural Konvolusional | Buku Catatan / Python | Video Tutorial |
| # | topik | Berlari | Kode Sumber | Media |
|---|---|---|---|---|
| 1 | Pelatihan Kustom | Buku Catatan / Python | Video Tutorial | |
| 2 | Pembuat Kumpulan Data | Buku Catatan / Python | Video Tutorial | |
| 3 | Buat TFRecords | Buku Catatan / Python | Video Tutorial |
Contoh TensorFlow - Tutorial TensorFlow dan contoh kode untuk pemula
TensorFlow-101 Sungjoon - Tutorial TensorFlow yang ditulis dengan Python dengan Jupyter Notebook
Latihan TensorFlow Terry Um - Buat ulang kode dari contoh TensorFlow lainnya
Klasifikasi pada time series - Klasifikasi Recurrent Neural Network di TensorFlow dengan LSTM pada data sensor ponsel
Saat berkontribusi pada repositori ini, harap diskusikan terlebih dahulu perubahan yang ingin Anda lakukan melalui masalah, email, atau metode lainnya dengan pemilik repositori ini sebelum melakukan perubahan. Untuk kesalahan ketik, mohon jangan membuat permintaan tarik. Sebagai gantinya, deklarasikan masalah tersebut atau kirim email ke pemilik repositori .
Harap dicatat bahwa kami memiliki kode etik, harap ikuti kode etik tersebut dalam semua interaksi Anda dengan proyek.
Harap pertimbangkan kriteria berikut untuk membantu kami dengan cara yang lebih baik:
Permintaan penarikan terutama diharapkan berupa saran atau perbaikan skrip kode.
Tolong JANGAN mengubah file ipython. Sebagai gantinya, ubah file PYTHON yang sesuai.
Permintaan penarikan yang terkait dengan bagian non-kode-skrip diharapkan dapat membuat perbedaan yang signifikan dalam dokumentasi. Jika tidak, diharapkan akan diumumkan di bagian terbitan.
Pastikan semua dependensi instalasi atau build dihapus sebelum akhir lapisan saat melakukan build dan membuat permintaan tarik.
Tambahkan komentar dengan detail perubahan pada antarmuka, termasuk variabel lingkungan baru, port yang terbuka, lokasi file yang berguna, dan parameter container.
Anda dapat menggabungkan Permintaan Tarik setelah Anda mendapat persetujuan dari setidaknya satu pengembang lain, atau jika Anda tidak memiliki izin untuk melakukannya, Anda dapat meminta pemilik untuk menggabungkannya untuk Anda jika Anda yakin semua pemeriksaan telah lulus.
Kami menantikan tanggapan baik Anda. Tolong bantu kami untuk meningkatkan proyek sumber terbuka ini dan menjadikan pekerjaan kami lebih baik. Untuk kontribusi, silakan buat permintaan penarikan dan kami akan segera menyelidikinya. Sekali lagi, kami menghargai masukan baik Anda dan pemeriksaan kode yang rumit.
Perusahaan : Tanamkan AI [Situs Web]
Pencipta : Pola Pikir Pembelajaran Mesin [Blog, GitHub, Twitter]
Pengembang : Amirsina Torfi [GitHub, Situs Web Pribadi, Linkedin]
