TensorFlow Tutorials

Tutoriais do TensorFlow

Fornecemos código-fonte que permite praticar o TensorFlow passo a passo, do básico à aplicação.

Ele cobre a maior parte do conteúdo do guia fornecido no site oficial do TensorFlow e é muito mais conciso do que o código-fonte fornecido no site oficial, para que você possa aprender os conceitos facilmente. Além disso, todos os comentários estão em coreano (!).

No entanto, como o foco estava em aprender os conceitos básicos de várias técnicas e modelos e como usar o TensorFlow, em vez de uma compreensão profunda da teoria e implementação precisa, considere que há muitas áreas onde a implementação é insuficiente.

Além disso, eu apreciaria se você pudesse consultar o código e os comentários para poder entendê-los em um fluxo sequencial, em vez de criar um código bonito.

Requisitos

• TensorFlow >= 1.8.0
• Pitão >= 3.6.1
  • entorpecido >= 1.14.3
  • matplotlib >= 2.2.2
  • travesseiro >= 5,1

Aprendizado profundo de 3 minutos do Golbin Hacker

Graças às muitas pessoas que demonstraram interesse neste repositório, organizei as anotações, adicionei explicações e publiquei um livro intitulado 『Golbin Hacker's 3-Minute Deep Learning』 (Hanbit Media, 2017).

Em vez de nos aprofundarmos na teoria, nos concentramos em aprender os conceitos básicos de vários modelos de aprendizado profundo e como usar o TensorFlow básico. Portanto, acho que será especialmente útil para desenvolvedores que são novos em aprendizado profundo/aprendizado de máquina.

Claro, é ainda melhor para decoração. ^_^b

comprar

Sim24 | Livraria Kyobo | Aladim

Recomendação

Como pessoa que estuda aprendizagem profunda, li alguns livros originais, traduções nacionais e materiais, mas nunca vi nada que explicasse os pontos-chave de forma tão concisa e prática. Embora outros livros geralmente se limitem à explicação dos modelos CNN, este livro aborda os principais modelos de aprendizagem profunda, incluindo RNN, DQN e autoencoder, com exemplos práticos, fornecendo uma boa orientação para aqueles que estudam aprendizagem profunda. Eu recomendo fortemente este livro como um livro obrigatório para quem está começando o aprendizado profundo.

Byeong-wook Cho (Daehyeop Cho), engenheiro de nuvem do Google Coreia, autor de 『(lado do servidor de Daehyeop Cho) arquitetura de grande capacidade e ajuste de desempenho』

---

“A inteligência artificial é a eletricidade de uma nova era.” Dr. Andrew Ng, a maior autoridade mundial em aprendizagem profunda, expressou o valor futuro da IA ​​da seguinte forma ao deixar o Baidu. Isto significa que a IA já não é uma actividade de investigação para alguns cientistas, mas tornou-se uma tecnologia que qualquer pessoa pode utilizar confortavelmente na vida quotidiana, como a electricidade. Na verdade, este livro explica bem que o aprendizado profundo, o núcleo da IA, é uma tecnologia elétrica que qualquer pessoa pode usar confortavelmente. CNN, a solução mágica do reconhecimento de imagens, GAN, a batata mais quente de 2016, RNN, representante do reconhecimento de linguagem natural, e DQN do Deep Mind do Google representado por AlphaGo... É uma abreviatura um tanto difícil à primeira vista, mas como você percorra lentamente o código de exemplo deste livro. Se você acompanhar, qualquer pessoa será capaz de entender facilmente o que realmente são as tecnologias que representam o campo da inteligência artificial por meio de explicações amigáveis. Depois de ler o último capítulo deste livro, concordo ainda mais com Andrew Ng. Tenho certeza de que este livro será um bom guia para quem deseja fazer bom uso da eletricidade.

Park Sang-gil, novo chefe do TF de desenvolvimento de pesquisa da Kakao

---

Achei que poderia abordar o aprendizado profundo de uma forma tão divertida. Não é nem muito leve nem muito acadêmico. Acredito que o processo de criação de código um por um e bem organizado será um marco para quem é novo na área.

Seo Min-gu, engenheiro de software do Google Coreia, autor de 『Data Processing & Analysis Practice Using R』

---

Explicações detalhadas centradas em código e conceitos básicos estabelecidos em terminologia fácil! Este é um livro que serve de guia para desenvolvedores que não têm conhecimento do aprendizado profundo ao navegar no mar do aprendizado profundo. Gostaria de recomendar isso para minha esposa que está prestes a entrar no mundo do aprendizado profundo!

Ha Jeong-woo, líder da equipe de pesquisa de IA da Naver Clova

pré-visualização do livro

emitir | SlideShare

breve explicação

01 - Por que o TensorFlow

• Falamos sobre os conceitos básicos de aprendizado de máquina e por que você deve usar o TensorFlow.

02 - Preparação

• Como instalar o TensorFlow e introdução ao Júpiter

03 - TensorFlow Básico

• 01 - Básico
  • Aprenda os conceitos das operações do TensorFlow e como executar gráficos.
• 02 - Variável
  • Aprenda os conceitos de marcadores e variáveis ​​no TensorFlow.
• 03 - Regressão Linear
  • Vamos criar um modelo de regressão linear simples.

04 - Rede Neural Básica

• 01 - Classificação
  • Vamos criar um modelo de classificação simples configurando uma rede neural.
• 02 - Profundo N.N.
  • Aprenda como construir múltiplas redes neurais.
• 03 - Word2Vec
  • Vamos simplesmente implementar o modelo Word2Vec, que é muito importante na análise de linguagem natural.

05 - TensorBoard, protetor

• 01 - Economizador
  • Aprenda como salvar e reutilizar um modelo treinado.
• 02 - TensorBoard
  • Verifique visualmente a configuração da rede neural e as alterações nos valores de perda usando o TensorBoard.
• 03 - TensorBoard #2
  • Vamos adicionar um histograma ao TensorBoard.

06 - MNIST

• 01 - MNIST
  • Resolvemos problemas de MNIST (reconhecimento de dígitos manuscritos), como Hello World, em aprendizado de máquina usando redes neurais.
• 02 - Desistência
  • Vamos usar a técnica Dropout amplamente utilizada para evitar overfitting.

07 – CNN

• 01 – CNN
  • Criamos uma taxa de reconhecimento mais alta usando CNN, o modelo de rede neural mais famoso na área de processamento de imagens.
• 02 - tf.layers
  • Vamos usar camadas, uma API de alto nível que facilita a configuração de redes neurais.

08 - Autoencodificador

• 01 - Autoencodificador
  • Vamos usar o Autoencoder, um método representativo de aprendizado não supervisionado.

09 - GAN

• 01 - GAN
  • Vamos implementar o GAN, o método de aprendizagem não supervisionado que recebeu mais atenção em 2016.
• 02 - GAN#2
  • Vamos aplicar o GAN para criar um modelo que gere imagens manuscritas dos números desejados. Desta forma, são possíveis aplicações como converter uma foto em preto e branco em colorida ou colorir um desenho de linha.

10 – RNNs

• 01 - MNIST
  • Aprenda os fundamentos do RNN, que é amplamente utilizado no processamento de linguagem natural e no processamento de voz.
• 02 - Preenchimento automático
  • Usando recursos RNN que são fortes em dados ordenados, implementaremos um modelo que completa uma palavra fornecendo as três primeiras letras da palavra.
• 03 - Seq2Seq
  • Implementaremos Seq2Seq, um modelo de aprendizagem/geração de sequências usado em chatbots, tradução e legendagem de imagens.
• Bot de bate-papo
  • Vamos criar um chatbot simples usando o modelo Seq2Seq.

11 - Início

Vamos usar o Inception, um modelo de rede neural desenvolvido pelo Google que é excelente para reconhecimento de imagens.

Sem ter que implementar um modelo de rede neural sozinho, você pode aplicar imediatamente um programa com uma excelente taxa de reconhecimento para praticar o uso de seus próprios dados, simplesmente escrevendo um script simples.

Para obter mais informações, consulte o documento 11 - Inception/README.md.

12 - DQN

Vamos implementar o DQN, um aprendizado por reforço usando aprendizado profundo desenvolvido pela DeepMind do Google, famoso pelo AlphaGo.

Pode parecer um pouco complicado, mas separei o máximo possível as partes principais, para que você possa acompanhar.

Para obter mais informações, consulte o documento 12 - DQN/README.md.

referência

Para obter teoria mais básica, consulte os seguintes cursos e repositórios.

• Palestra sobre aprendizado de máquina/aprendizado profundo para todos (palestra do professor Seong-Hoon Kim da Universidade de Ciência e Tecnologia de Hong Kong)
• Código de prática do curso (feito por mim)

Solução de problemas

• Se o código que usa matplotlib não for executado ou produzir um erro no Mac OS
  • Basta criar ~/.matplotlib/matplotlibrc e adicionar a configuração backend: TkAgg .