Курс TensorFlow

Питон

1.0.0

Скачать

Курс TensorFlow

Целью этого репозитория является предоставление простых и готовых к использованию руководств по TensorFlow. Каждое руководство включает source code , и большинство из них связано с documentation .

Спонсорство

Для поддержки поддержки и обновления этого проекта, пожалуйста, рассмотрите возможность спонсирования разработчика проекта.

Любой уровень поддержки здесь большой вклад ❤️

Статус: Этот проект обновлен до **TensorFlow 2.3* .*

TensorFlow — это программная библиотека с открытым исходным кодом для программирования потоков данных для решения широкого спектра задач. Это символьная математическая библиотека, которая также используется в приложениях машинного обучения, таких как нейронные сети. Он используется как для исследований, так и для производства в Google, часто заменяя своего предшественника с закрытым исходным кодом DistBelief.

TensorFlow был разработан командой Google Brain для внутреннего использования Google. Он был выпущен под лицензией с открытым исходным кодом Apache 2.0 9 ноября 2015 года.

Мотивация

Существуют разные мотивы для этого проекта с открытым исходным кодом. TensorFlow (на момент написания этого документа) — одна из лучших доступных платформ глубокого обучения. Следует задать вопрос: почему был создан этот репозиторий, когда в Интернете доступно так много других руководств по TensorFlow?

Зачем использовать TensorFlow?

В наши дни глубокое обучение вызывает очень большой интерес — существует острая потребность в быстрой и оптимизированной реализации алгоритмов и архитектур. TensorFlow предназначен для достижения этой цели.

Сильным преимуществом TensorFlow является гибкость при разработке высокомодульных моделей, что также может быть недостатком для новичков, поскольку при создании модели необходимо рассматривать множество частей вместе.

Эту проблему также облегчила разработка API высокого уровня, таких как Keras и Slim, которые абстрагируют многие части, используемые при разработке алгоритмов машинного обучения.

Самое интересное в TensorFlow то, что в наши дни его можно найти где угодно . Его используют многие исследователи и разработчики, и его сообщество растет со скоростью света ! Со многими проблемами можно легко справиться, поскольку обычно это те же проблемы, с которыми сталкиваются многие другие люди, учитывая большое количество людей, участвующих в сообществе TensorFlow.

Какой смысл в этом репозитории?

Разработка проектов с открытым исходным кодом ради того, чтобы просто что-то разработать, не является причиной этих усилий . Учитывая большое количество учебных пособий, добавляемых в это большое сообщество, этот репозиторий был создан, чтобы сломать процесс перехода и выхода, который обычно происходит с большинством проектов с открытым исходным кодом, но почему и как ?

Прежде всего, какой смысл вкладывать усилия в то, что большинство людей не зайдет и не взглянет? Какой смысл создавать что-то, что не поможет никому из сообщества разработчиков и исследователей? Зачем тратить время на то, что легко можно забыть? Но как мы пытаемся это сделать? Даже по сей день существует бесчисленное множество руководств по TensorFlow, будь то по проектированию моделей или по рабочему процессу TensorFlow.

Большинство из них слишком сложны или страдают от отсутствия документации. Существует лишь несколько доступных учебных пособий, которые являются краткими, хорошо структурированными и дают достаточно информации для конкретных реализованных моделей.

Цель этого проекта — помочь сообществу с помощью структурированных руководств и простых и оптимизированных реализаций кода, чтобы лучше понять, как быстро и эффективно использовать TensorFlow.

Стоит отметить, что основная цель этого проекта — предоставить хорошо документированные учебные пособия и менее сложный код !

Установка TensorFlow и настройка среды

альтернативный текст

Чтобы установить TensorFlow, перейдите по следующей ссылке:

Установка TensorFlow

_img/mainpage/installation.gif

Установка виртуальной среды рекомендуется для предотвращения конфликта пакетов и возможности настройки рабочей среды.

Учебные пособия по TensorFlow

Учебные пособия в этом репозитории разделены на соответствующие категории.

Разогревать

альтернативный текст

#	тема	Бегать	Исходный код	СМИ
1	Запускать		Ноутбук/Питон	Видеоурок

Основы

#	тема	Исходный код	СМИ
1	Тензоры	Ноутбук/Питон	Видеоурок
2	Автоматическая дифференциация	Ноутбук/Питон	Видеоурок
3	Введение в графики	Ноутбук/Питон	Видеоурок
4	Модели TensorFlow	Ноутбук/Питон	Видеоурок

Базовое машинное обучение

#	тема	Бегать	Исходный код	Более	СМИ
1	Линейная регрессия		Ноутбук/Питон	Учебное пособие	Видеоурок
2	Увеличение данных		Ноутбук/Питон	Учебное пособие	Видеоурок

Нейронные сети

#	тема	Бегать	Исходный код	СМИ
1	Многослойный персептрон		Ноутбук/Питон	Видеоурок
2	Сверточные нейронные сети		Ноутбук/Питон	Видеоурок

Передовой

#	тема	Исходный код	СМИ
1	Индивидуальное обучение	Ноутбук/Питон	Видеоурок
2	Генератор набора данных	Ноутбук/Питон	Видеоурок
3	Создание TFRecords	Ноутбук/Питон	Видеоурок

Несколько полезных руководств

Примеры TensorFlow — учебные пособия по TensorFlow и примеры кода для начинающих.
TensorFlow-101 Сончжуна — учебные пособия по TensorFlow, написанные на Python с помощью Jupyter Notebook
Упражнения Терри Ума по TensorFlow — воссоздайте коды из других примеров TensorFlow.
Классификация по временным рядам — классификация рекуррентной нейронной сети в TensorFlow с LSTM по данным датчиков мобильных телефонов

Содействие

Внося свой вклад в этот репозиторий, пожалуйста, сначала обсудите изменение, которое вы хотите внести, через проблему, электронную почту или любой другой метод с владельцами этого репозитория, прежде чем вносить изменения. В случае опечаток, пожалуйста, не создавайте запрос на включение. Вместо этого объявите их в задачах или отправьте электронное письмо владельцу репозитория .

Обратите внимание, что у нас есть кодекс поведения, следуйте ему во всех взаимодействиях с проектом.

Процесс запроса на включение

Пожалуйста, обратите внимание на следующие критерии, чтобы помочь нам лучше:

В основном ожидается, что запрос на включение будет представлять собой предложение или улучшение сценария кода.
Пожалуйста, НЕ меняйте файлы ipython. Вместо этого измените соответствующие файлы PYTHON.
Ожидается, что запрос на включение, связанный с разделами, не относящимися к скриптам, внесет существенные изменения в документацию. В противном случае ожидается, что об этом будет объявлено в разделе вопросов.
Убедитесь, что все зависимости установки или сборки удалены до окончания уровня при выполнении сборки и создании запроса на включение.
Добавляйте комментарии с подробными сведениями об изменениях в интерфейсе, включая новые переменные среды, открытые порты, полезные местоположения файлов и параметры контейнера.
Вы можете объединить запрос на включение, как только получите одобрение хотя бы одного другого разработчика, или, если у вас нет разрешения на это, вы можете попросить владельца объединить его для вас, если вы считаете, что все проверки пройдены.

Заключительное примечание

Мы с нетерпением ждем ваших добрых отзывов. Пожалуйста, помогите нам улучшить этот проект с открытым исходным кодом и сделать нашу работу лучше. Чтобы внести свой вклад, создайте запрос на включение, и мы незамедлительно его рассмотрим. Еще раз мы ценим ваши добрые отзывы и тщательно продуманные проверки кода.