TensorFlow World
1.0.0
Для поддержки поддержки и обновления этого проекта, пожалуйста, рассмотрите возможность спонсирования разработчика проекта.
Любой уровень поддержки здесь большой вклад ❤️
Целью этого репозитория является предоставление простых и готовых к использованию руководств по TensorFlow. Пояснения присутствуют в вики, связанной с этим репозиторием.
Каждое руководство включает source code и соответствующую documentation .
Мотивация
Зачем использовать TensorFlow?
Какой смысл в этом репозитории?
Установка TensorFlow и настройка среды
Учебные пособия по TensorFlow
Разогревать
Основы
Базовое машинное обучение
Нейронные сети
Несколько полезных руководств
Содействие
Процесс запроса на включение
Заключительное примечание
Благодарность
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?
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.
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 !
Чтобы установить TensorFlow, перейдите по следующей ссылке:
Установка TensorFlow
Установка виртуальной среды рекомендуется для предотвращения конфликта пакетов и возможности настройки рабочей среды.
Учебные пособия в этом репозитории разделены на соответствующие категории.
| # | тема | Исходный код | |
|---|---|---|---|
| 1 | Запускать | Добро пожаловать / IPython | Документация |
| # | тема | Исходный код | |
|---|---|---|---|
| 2 | Основы TensorFlow | Основные математические операции / IPython | Документация |
| 3 | Основы TensorFlow | Переменные TensorFlow / IPython | Документация |
| # | тема | Исходный код | |
|---|---|---|---|
| 4 | Линейные модели | Линейная регрессия/IPython | Документация |
| 5 | Прогнозные модели | Логистическая регрессия/IPython | Документация |
| 6 | Машины опорных векторов | Линейный SVM/IPython | |
| 7 | Машины опорных векторов | Мультиклассовое ядро SVM/IPython |
| # | тема | Исходный код | |
|---|---|---|---|
| 8 | Многослойный персептрон | Простой многослойный персептрон/IPython | |
| 9 | Сверточная нейронная сеть | Простые сверточные нейронные сети | Документация |
| 10 | Автоэнкодер | Неполный автоэнкодер | Документация |
| 11 | Рекуррентная нейронная сеть | РНН/IPython |
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
Внося свой вклад в этот репозиторий, пожалуйста, сначала обсудите изменение, которое вы хотите внести, через проблему, электронную почту или любым другим способом 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, пожалуйста, следуйте ему во всех ваших взаимодействиях с проектом.
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.
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 подробным описанием изменений 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.
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.
Я приложил огромные усилия в этом проекте, надеюсь, что являюсь небольшой частью мира TensorFlow. Однако это было бы невозможно без любезной поддержки и помощи моего друга и коллеги Доменика Постера за его ценные советы. Он помог мне лучше понять TensorFlow, и я выражаю ему особую признательность.
