TensorFlow World
1.0.0
เพื่อสนับสนุนการบำรุงรักษาและอัปเกรดโครงการนี้ โปรดพิจารณาสนับสนุนผู้พัฒนาโครงการ
การสนับสนุนทุกระดับถือเป็นการสนับสนุนที่ยอดเยี่ยมที่นี่ ❤️
พื้นที่เก็บข้อมูลนี้มีจุดมุ่งหมายเพื่อให้บทแนะนำที่เรียบง่ายและพร้อมใช้งานสำหรับ TensorFlow คำอธิบายมีอยู่ในวิกิที่เกี่ยวข้องกับพื้นที่เก็บข้อมูลนี้
บทช่วยสอนแต่ละรายการประกอบด้วย source code และ documentation ที่เกี่ยวข้อง
แรงจูงใจ
เหตุใดจึงต้องใช้ TensorFlow
จุดประสงค์ของพื้นที่เก็บข้อมูลนี้คืออะไร?
การติดตั้ง TensorFlow และตั้งค่าสภาพแวดล้อม
บทช่วยสอน TensorFlow
วอร์มอัพ
พื้นฐาน
การเรียนรู้ของเครื่องขั้นพื้นฐาน
โครงข่ายประสาทเทียม
บทช่วยสอนที่เป็นประโยชน์บางประการ
มีส่วนร่วม
กระบวนการขอดึงข้อมูล
หมายเหตุสุดท้าย
รับทราบ
มีแรงจูงใจที่แตกต่างกันสำหรับโครงการโอเพ่นซอร์สนี้ TensorFlow (ในขณะที่เราเขียนเอกสารนี้) เป็นหนึ่งใน / กรอบการเรียนรู้เชิงลึกที่ดีที่สุดที่มีอยู่ คำถามที่ควรถามคือเหตุใดพื้นที่เก็บข้อมูลนี้จึงถูกสร้างขึ้น ในเมื่อมีบทช่วยสอนอื่นๆ มากมายเกี่ยวกับ TensorFlow บนเว็บ
การเรียนรู้เชิงลึกเป็นที่สนใจอย่างมากในปัจจุบัน - มีความจำเป็นอย่างยิ่งในการใช้งานอัลกอริธึมและสถาปัตยกรรมที่รวดเร็วและเหมาะสมที่สุด TensorFlow ได้รับการออกแบบมาเพื่ออำนวยความสะดวกในเป้าหมายนี้
ข้อได้เปรียบที่แข็งแกร่งของ TensorFlow คือความยืดหยุ่นในการออกแบบโมเดลแบบโมดูลาร์สูง ซึ่งอาจเป็นข้อเสียสำหรับผู้เริ่มต้นด้วย เนื่องจากต้องพิจารณาหลายชิ้นร่วมกันเมื่อสร้างแบบจำลอง
ปัญหานี้ได้รับการอำนวยความสะดวกเช่นกันโดยการพัฒนา API ระดับสูงเช่น Keras และ Slim ซึ่งสรุปชิ้นส่วนจำนวนมากที่ใช้ในการออกแบบอัลกอริธึมการเรียนรู้ของเครื่อง
สิ่งที่น่าสนใจเกี่ยวกับ TensorFlow ก็คือ มันสามารถพบได้ทุกที่ในทุกวันนี้ นักวิจัยและนักพัฒนาจำนวนมากใช้มันและ ชุมชนของมันก็เติบโตอย่างรวดเร็ว ! ปัญหาต่างๆ มากมายสามารถจัดการได้อย่างง่ายดาย เนื่องจากมักจะเป็นปัญหาเดียวกันกับที่คนอื่นๆ จำนวนมากพบเจอ เมื่อพิจารณาจากผู้คนจำนวนมากที่เกี่ยวข้องกับชุมชน TensorFlow
การพัฒนาโครงการโอเพ่นซอร์สเพื่อการพัฒนาบางสิ่งบางอย่างไม่ใช่เหตุผลที่อยู่เบื้องหลังความพยายามนี้ เมื่อพิจารณาถึงบทเรียนจำนวนมากที่ถูกเพิ่มเข้าไปในชุมชนขนาดใหญ่นี้ พื้นที่เก็บข้อมูลนี้ถูกสร้างขึ้นเพื่อทำลายกระบวนการกระโดดเข้าและออกที่มักจะเกิดขึ้นกับโครงการโอเพ่นซอร์สส่วนใหญ่ แต่ทำไมและอย่างไร
ก่อนอื่น อะไรคือจุดประสงค์ของการพยายามทำบางสิ่งที่คนส่วนใหญ่จะไม่แวะเข้าไปดู? จุดประสงค์ของการสร้างสิ่งที่ไม่ได้ช่วยเหลือใครก็ตามในชุมชนนักพัฒนาและนักวิจัยคืออะไร? ทำไมต้องใช้เวลากับสิ่งที่ลืมง่าย? แต่ เราจะพยายามทำอย่างไรล่ะ? จนถึงขณะนี้ ยังมีบทช่วยสอนมากมายเกี่ยวกับ TensorFlow ไม่ว่าจะเกี่ยวกับการออกแบบโมเดลหรือเวิร์กโฟลว์ TensorFlow
ส่วนใหญ่ซับซ้อนเกินไปหรือขาดเอกสารประกอบ มีบทช่วยสอนเพียงไม่กี่บทเท่านั้นที่กระชับและมีโครงสร้างที่ดี และให้ข้อมูลเชิงลึกที่เพียงพอสำหรับโมเดลที่นำไปใช้โดยเฉพาะ
เป้าหมายของโปรเจ็กต์นี้คือการช่วยเหลือชุมชนด้วยบทช่วยสอนที่มีโครงสร้างและการใช้งานโค้ดที่เรียบง่ายและได้รับการปรับปรุงเพื่อให้ข้อมูลเชิงลึกที่ดีขึ้นเกี่ยวกับวิธีใช้ TensorFlow อย่างรวดเร็วและมีประสิทธิภาพ
เป็นที่น่าสังเกตว่า เป้าหมายหลักของโปรเจ็กต์นี้คือการให้บทช่วยสอนที่มีเอกสารครบถ้วนและโค้ดที่ไม่ซับซ้อน !
ในการติดตั้ง TensorFlow โปรดดูลิงก์ต่อไปนี้:
การติดตั้งเทนเซอร์โฟลว์
แนะนำให้ติดตั้งสภาพแวดล้อมเสมือนเพื่อป้องกันความขัดแย้งของแพ็คเกจและมีความสามารถในการปรับแต่งสภาพแวดล้อมการทำงาน
บทช่วยสอนในพื้นที่เก็บข้อมูลนี้แบ่งออกเป็นหมวดหมู่ที่เกี่ยวข้อง
| - | หัวข้อ | ซอร์สโค้ด | |
|---|---|---|---|
| 1 | การเริ่มต้น | ยินดีต้อนรับ / IPython | เอกสารประกอบ |
| - | หัวข้อ | ซอร์สโค้ด | |
|---|---|---|---|
| 2 | ข้อมูลพื้นฐานเกี่ยวกับ TensorFlow | การดำเนินการทางคณิตศาสตร์ขั้นพื้นฐาน / IPython | เอกสารประกอบ |
| 3 | ข้อมูลพื้นฐานเกี่ยวกับ TensorFlow | ตัวแปร TensorFlow / IPython | เอกสารประกอบ |
| - | หัวข้อ | ซอร์สโค้ด | |
|---|---|---|---|
| 4 | โมเดลเชิงเส้น | การถดถอยเชิงเส้น / IPython | เอกสารประกอบ |
| 5 | โมเดลการคาดการณ์ | การถดถอยโลจิสติก / IPython | เอกสารประกอบ |
| 6 | รองรับเครื่องเวกเตอร์ | SVM เชิงเส้น / IPython | |
| 7 | รองรับเครื่องเวกเตอร์ | เคอร์เนลหลายคลาส SVM / IPython |
| - | หัวข้อ | ซอร์สโค้ด | |
|---|---|---|---|
| 8 | เพอร์เซปตรอนหลายชั้น | Perceptron / IPython หลายชั้นอย่างง่าย | |
| 9 | โครงข่ายประสาทเทียมแบบ Convolutional | โครงข่ายประสาทเทียมแบบ Convolutional อย่างง่าย | เอกสารประกอบ |
| 10 | โปรแกรมเข้ารหัสอัตโนมัติ | โปรแกรมเข้ารหัสอัตโนมัติที่ไม่สมบูรณ์ | เอกสารประกอบ |
| 11 | โครงข่ายประสาทเทียมที่เกิดซ้ำ | RNN / IPython |
ตัวอย่าง TensorFlow - บทช่วยสอน TensorFlow และตัวอย่างโค้ดสำหรับผู้เริ่มต้น
TensorFlow-101 ของ Sungjoon - บทช่วยสอน TensorFlow ที่เขียนด้วย Python พร้อม Jupyter Notebook
แบบฝึกหัด TensorFlow ของ Terry Um - สร้างโค้ดขึ้นมาใหม่จากตัวอย่าง TensorFlow อื่นๆ
การจำแนกประเภทตามอนุกรมเวลา - การจำแนกเครือข่ายประสาทเทียมที่เกิดซ้ำใน TensorFlow ด้วย LSTM บนข้อมูลเซ็นเซอร์โทรศัพท์มือถือ
เมื่อสนับสนุนพื้นที่เก็บข้อมูลนี้ โปรดหารือเกี่ยวกับการเปลี่ยนแปลงที่คุณต้องการดำเนินการผ่านปัญหา อีเมล หรือวิธีการอื่นใดกับเจ้าของพื้นที่เก็บข้อมูลนี้ก่อนที่จะทำการเปลี่ยนแปลง สำหรับการพิมพ์ผิด โปรดอย่าสร้างคำขอดึง ให้ประกาศในประเด็นต่างๆ หรือส่งอีเมลถึงเจ้าของพื้นที่เก็บข้อมูลแทน
โปรดทราบว่าเรามีจรรยาบรรณ โปรดปฏิบัติตามในการโต้ตอบทั้งหมดของคุณกับโครงการ
โปรดพิจารณาเกณฑ์ต่อไปนี้เพื่อช่วยเราในทางที่ดีขึ้น:
คำขอดึงส่วนใหญ่คาดว่าจะเป็นคำแนะนำหรือการปรับปรุงสคริปต์โค้ด
คำขอดึงที่เกี่ยวข้องกับส่วนที่ไม่ใช่โค้ดสคริปต์คาดว่าจะสร้างความแตกต่างอย่างมีนัยสำคัญในเอกสารประกอบ มิฉะนั้นคาดว่าจะประกาศในส่วนประเด็น
ตรวจสอบให้แน่ใจว่าการพึ่งพาการติดตั้งหรือบิวด์ใดๆ ถูกลบออกก่อนที่จะสิ้นสุดเลเยอร์เมื่อทำการบิลด์และสร้างคำขอดึง
เพิ่มความคิดเห็นพร้อมรายละเอียดการเปลี่ยนแปลงอินเทอร์เฟซ ซึ่งรวมถึงตัวแปรสภาพแวดล้อมใหม่ พอร์ตที่เปิดเผย ตำแหน่งไฟล์ที่มีประโยชน์ และพารามิเตอร์คอนเทนเนอร์
คุณสามารถรวมคำขอดึงเข้าได้เมื่อคุณได้รับการลงนามจากนักพัฒนารายอื่นอย่างน้อยหนึ่งราย หรือหากคุณไม่ได้รับอนุญาตให้ทำเช่นนั้น คุณสามารถขอให้เจ้าของรวมคำขอดังกล่าวให้คุณได้ หากคุณเชื่อว่าผ่านการตรวจสอบทั้งหมดแล้ว
เรากำลังรอการตอบรับจากคุณ โปรดช่วยเราปรับปรุงโครงการโอเพ่นซอร์สนี้และทำให้งานของเราดีขึ้น สำหรับการสนับสนุน โปรดสร้างคำขอดึง และเราจะตรวจสอบโดยทันที เราขอขอบคุณสำหรับความคิดเห็นของคุณอีกครั้งและการตรวจสอบโค้ดอย่างละเอียด
ฉันใช้ความพยายามอย่างมากในโครงการนี้โดยหวังว่าจะได้เป็นส่วนเล็กๆ ของโลก TensorFlow อย่างไรก็ตาม มันคงเป็นไปไม่ได้หากปราศจากการสนับสนุนและความช่วยเหลือจากเพื่อนและเพื่อนร่วมงานของฉัน โดเมนิค โปสเตอร์ สำหรับคำแนะนำอันมีค่าของเขา เขาช่วยให้ฉันเข้าใจ TensorFlow ได้ดีขึ้น และฉันก็รู้สึกขอบคุณเป็นพิเศษ
