TensorFlow Examplesのダウンロード - TensorFlow Examplesソースコードのダウンロード

TensorFlow Examples

パイソン

1.0.0

ダウンロード

TensorFlow の例

このチュートリアルは、例を通して TensorFlow を簡単に理解できるように設計されています。読みやすくするために、TF v1 と v2 の両方について、説明付きのノートブックとソースコードの両方が含まれています。

TensorFlow に関する明確で簡潔な例を見つけたい初心者に適しています。従来の「生」の TensorFlow 実装に加えて、最新の TensorFlow API プラクティス ( layers 、 estimator 、 datasetなど) も見つけることができます。

更新 (2020/05/16):すべてのデフォルトの例を TF2 に移動します。 TF v1 の例については、ここを確認してください。

チュートリアルのインデックス

0 - 前提条件

機械学習の概要。
MNIST データセットの紹介。

1 - はじめに

Hello World (ノートブック)。 TensorFlow 2.0+ を使用して「hello world」を出力する方法を学ぶための非常に簡単な例。
基本操作(ノートブック)。 TensorFlow 2.0 以降の基本操作をカバーする簡単な例。

2 - 基本モデル

線形回帰(ノートブック)。 TensorFlow 2.0+ を使用して線形回帰を実装します。
ロジスティック回帰(ノートブック)。 TensorFlow 2.0+ を使用してロジスティック回帰を実装します。
Word2Vec (Word 埋め込み) (ノートブック)。 TensorFlow 2.0+ を使用して、Wikipedia データから Word Embedding Model (Word2Vec) を構築します。
GBDT (勾配ブースト決定ツリー) (ノートブック)。 TensorFlow 2.0+ を使用して勾配ブーストデシジョンツリーを実装し、ボストン住宅データセットを使用して住宅価値を予測します。

3 - ニューラルネットワーク

監督あり

シンプルなニューラルネットワーク(ノートブック)。 TensorFlow 2.0 の「レイヤー」API と「モデル」API を使用して、MNIST 数字データセットを分類するための単純なニューラルネットワークを構築します。
シンプルなニューラルネットワーク (低レベル) (ノートブック)。 MNIST 数字データセットを分類するための単純なニューラルネットワークの生の実装。
畳み込みニューラルネットワーク(ノートブック)。 TensorFlow 2.0+ の「レイヤー」および「モデル」API を使用して、MNIST 数字データセットを分類する畳み込みニューラルネットワークを構築します。
畳み込みニューラルネットワーク (低レベル) (ノートブック)。 MNIST 数字データセットを分類するための畳み込みニューラルネットワークの生の実装。
リカレントニューラルネットワーク (LSTM) (ノートブック)。 TensorFlow 2.0 の「レイヤー」と「モデル」API を使用して、MNIST 数字データセットを分類するリカレントニューラルネットワーク (LSTM) を構築します。
双方向リカレントニューラルネットワーク (LSTM) (ノートブック)。 TensorFlow 2.0+ の「レイヤー」と「モデル」API を使用して、MNIST 数字データセットを分類するための双方向リカレントニューラルネットワーク (LSTM) を構築します。
動的再帰型ニューラルネットワーク (LSTM) (ノートブック)。 TensorFlow 2.0+ の「レイヤー」および「モデル」API を使用して、動的計算を実行して可変長のシーケンスを分類するリカレントニューラルネットワーク (LSTM) を構築します。

監視なし

自動エンコーダー(ノートブック)。画像をより低い次元にエンコードして再構築する自動エンコーダーを構築します。
DCGAN (Deep Convolutional Generative Adversarial Networks) (ノートブック)。ディープ畳み込み敵対的生成ネットワーク (DCGAN) を構築して、ノイズから画像を生成します。

4 - ユーティリティ

モデル (ノートブック) を保存および復元します。 TensorFlow 2.0+ を使用してモデルを保存および復元します。
カスタムレイヤーとモジュールを構築します(ノートブック)。独自のレイヤー/モジュールを構築し、それらを TensorFlow 2.0+ モデルに統合する方法を学びます。
テンソルボード(ノートブック)。 TensorFlow 2.0+ tensorboard を使用して、ニューラルネットワークの計算グラフ、メトリクス、重みなどを追跡および視覚化します。

5 - データ管理

データのロードと解析(ノートブック)。 TensorFlow 2.0 で効率的なデータパイプラインを構築します (Numpy 配列、画像、CSV ファイル、カスタムデータなど)。
TFRecord (ノートブック) をビルドしてロードします。データを TFRecords 形式に変換し、TensorFlow 2.0+ でロードします。
画像変換 (つまり、画像拡張) (ノートブック)。 TensorFlow 2.0+ を使用してさまざまな画像拡張技術を適用し、トレーニング用に歪んだ画像を生成します。

6 - ハードウェア

マルチ GPU トレーニング(ノートブック)。 CIFAR-10 データセット上の複数の GPU を使用して畳み込みニューラルネットワークをトレーニングします。

TensorFlow v1

TF v1 のチュートリアルのインデックスは、TensorFlow v1.15 の例から入手できます。または、以下の例のリストを参照してください。

データセット

一部の例では、トレーニングとテストに MNIST データセットが必要です。心配しないでください。このデータセットはサンプルの実行時に自動的にダウンロードされます。 MNIST は手書き数字のデータベースです。そのデータセットの簡単な説明については、このノートブックを参照してください。

公式ウェブサイト: http://yann.lecun.com/exdb/mnist/。

インストール

すべてのサンプルをダウンロードするには、このリポジトリのクローンを作成するだけです。

 git clone https://github.com/aymericdamien/TensorFlow-Examples

これらを実行するには、TensorFlow の最新バージョンも必要です。インストールするには:

 pip install tensorflow

または (GPU サポートあり):

 pip install tensorflow_gpu

TensorFlow のインストールの詳細については、TensorFlow インストールガイドを確認してください。

TensorFlow v1 の例 - インデックス

TF v1 のチュートリアルのインデックスは、TensorFlow v1.15 の例から入手できます。