【TensorFlow超級指南】你能想到的TF教程和資源都在這裡了

2021-03-06 新智元



  新智元報導  

來源:bytegain

編譯:三石

【新智元導讀】眾所周知,TensorFlow已然成為機器學習的熱門工具。不論是學習還是從事與機器學習相關的工作,能夠靈活使用TensorFlow可以大幅提高作業效率。本文涵蓋與TensorFlow相關的教程、書籍、工具、求職等的大量信息。盡數資源,應有盡有。


不論你是剛剛「入坑」機器學習,亦或是在機器學習領域摸爬滾打多年,本文所總結的TensorFlow資源,總有一款是你需要的!

話不多說,上乾貨!

Martin Görner課程—《無需成為博士即可學會TensorFlow和機器學習》

如果你已經掌握了線性代數,那麼這是一個很好的起點。 因為它會涉及幾個高級概念,例如:

什麼是神經元;

不同類型的激活函數以及為何要使用Relu;

如何通過dropout提高模型的精確度;

如何評估模型以及如何調參。


Jacob Buckman—《TensorFlow:令人困惑的部分(1)》:

https://jacobbuckman.com/post/tensorflow-the-confusing-parts-1/


Dino Causevic—《TensorFlow入門:機器學習教程》:

https://www.toptal.com/machine-learning/tensorflow-machine-learning-tutorial


《Python TensorFlow教程:構建一個神經網絡》:

http://adventuresinmachinelearning.com/python-tensorflow-tutorial

TensorFlow教程:

Jason Brownlee—《掌握機器學習》:


https://machinelearningmastery.com/start-here/

代碼示例

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

https://github.com/MorvanZhou/Tensorflow-Tutorial

Google Colaboratory (Colab):

https://colab.research.google.com/notebooks/welcome.ipynb#scrollTo=9wi5kfGdhK0R

COLAB筆記本

Colab提供了一個基於Jupyter的交互式Python筆記本,它具有兩大優勢

可以使用它來生成HTML / CSS的可視化

免費的GPU計算時間

Colab是一個用來共享研究、分享學習新工具心得的平臺。

Tensorboard:

https://www.tensorflow.org/programmers_guide/summaries_and_tensorboard

https://github.com/tensorflow/tensorboard

Tensorboard正在展示交叉熵圖

Tensorboard 3D圖

Tensorboard是一種可視化機器學習模型的工具。 旨在解決黑盒問題。 它對以下幾方面的內容有較大的作用:

結合使用Tensorboard和Colab:


https://stackoverflow.com/questions/47818822/can-i-use-tensorboard-with-google-colab

如果你發現了Tensorboard和Colab的價值所在,那麼你就值得花費一定的時間學習如何講它們結合使用。

Announcements & Jokes:

https://www.reddit.com/r/MachineLearning/

Slack:

https://slofile.com/slack/ai-researchers

Discord:

https://discordlist.me/join/167811324590424065/

神經網絡與深度學習(免費在線圖書):

http://neuralnetworksanddeeplearning.com/

深度學習(在線圖書):

http://www.deeplearningbook.org/

Goodreads上流行的數據科學書籍:

https://www.goodreads.com/shelf/show/data-science

機器學習研究:

https://distill.pub/


arXiv:


人工智慧:https://arxiv.org/list/cs.AI/new

計算機視覺和模式識別:https://arxiv.org/list/cs.CV/new

機器學習:https://arxiv.org/list/cs.LG/new

《如何成為數據科學家》:

https://www.datasciencecentral.com/profiles/blogs/how-to-become-a-data-scientist-for-free

linkedIn:https://www.linkedin.com/jobs/machine-learning-jobs/

AngelList: https://angel.co/machine-learning/jobs

新智元AI WORLD 2018大會【早鳥票】

開售!


新智元將於9月20日在北京國家會議中心舉辦AI WORLD 2018 大會,邀請機器學習教父、CMU教授 Tom Mitchell,邁克思·泰格馬克,周志華,陶大程,陳怡然等AI領袖一起關注機器智能與人類命運。

大會官網:

http://www.aiworld2018.com/ 


即日起到8月19日,新智元限量發售若干早鳥票,與全球AI領袖近距離交流,見證全球人工智慧產業跨越發展。


相關焦點

  • TensorFlow 1.9 新增 tf.keras 官方入門教程(Keras與TF的深度集成)
    好消息是Keras的許多核心功能已經融入了原生的TensorFlow(tf.keras),TensorFlow 1.9新增tf.keras官方入門文檔,介紹了tf.keras的使用。這幾天打開TensorFlow的官方教程頁(https://www.tensorflow.org/tutorials/),會發現教程頁中給出的DEMO變成了基於tf.keras的教程。
  • Tensorflow2.0 TFRecord使用教程
    TFRecord這裡不太建議看《Tensorflow2.0卷積神經網絡實戰》王曉華這本書,講的內容並沒有什麼問題,但是代碼我嘗試了,很多報錯(報錯說函數沒有參數,不知道是不是我的tf版本問題),而且一些地方沒有講清楚,這裡建議看rensorflow的官網教程,看了一遍整體還是蠻不錯的,一些函數和書上講的不一樣,這裡建議看官方的。
  • TFLearn:為TensorFlow提供更高級別的API 的深度學習庫
    TFlearn是一個基於Tensorflow構建的模塊化透明深度學習庫。它旨在為TensorFlow提供更高級別的API,以促進和加速實驗,同時保持完全透明並與之兼容。TFLearn功能包括:通過教程和示例,易於使用和理解用於實現深度神經網絡的高級API。
  • 可能是史上最全的Tensorflow學習資源匯總
    一 、Tensorflow教程資源:1)適合初學者的Tensorflow教程和代碼示例:https://github.com/aymericdamien/TensorFlow-Examples該教程不光提供了一些經典的數據集,更是從實現最簡單的「Hello World」開始,到機器學習的經典算法,再到神經網絡的常用模型
  • TensorFlow圖像分類教程
    本系列文章直接切入關鍵的部分,只需要對命令行和Python有最基本的了解,就可以在家快速地創建一些令你激動不已的項目。本文不會深入探討TensorFlow的工作原理,如果你想了解更多,我會提供大量額外的參考資料。本系列所有的庫和工具都是免費開源的軟體。本教程旨在把一個事先被放到訓練過的類別裡的圖片,通過運行一個命令以識別該圖像具體屬於哪個類別。
  • Anaconda軟體安裝TensorFlow教程
    本文介紹在Anaconda軟體上安裝TensorFlow,並且測試和驗證。
  • 令人困惑的TensorFlow!
    但讓我沒想到的是,學習曲線相當的陡峭,甚至在加入該項目幾個月後,我還偶爾對如何使用 TensorFlow 代碼來實現想法感到困惑。我把這篇博文當作瓶中信寫給過去的自己:一篇我希望在學習之初能被給予的入門介紹。我希望這篇博文也能幫助到其他人。以往的教程缺少了那些內容?
  • Python安裝TensorFlow 2、tf.keras和深度學習模型的定義
    在本教程中,您將找到使用tf.keras API在TensorFlow中開發深度學習模型的分步指南。完成本教程後,您將知道:Keras和tf.keras之間的區別以及如何安裝和確認TensorFlow是否有效。tf.keras模型的5個步驟的生命周期以及如何使用順序和功能性API。
  • Tensorflow教程-雙向的LSTM文本分類
    「 再小的你,也有自己的個性」通過閱讀本文,您能學到:1、
  • 這裡有一份TensorFlow加速指南
    使用Numpy這是常用的一個方法,把一個numpy數組輸入到tensorflow中:# create a random vector of shape (100,2)x = np.random.sample((100,2))# make a dataset from a numpy arraydataset = tf.data.Dataset.from_tensor_slices
  • TensorFlow Eager圖文教程(附9張圖解和Jupyter)
    教程連結教程被託管在Github中,作者為Madalina Buzau,連結:https://github.com/madalinabuzau/tensorflow-eager-tutorials01.
  • TensorFlow極簡入門教程
    import tensorflow as tf這樣,Python 就可以訪問 TensorFlow 的所有類、方法和符號。使用此命令,TensorFlow 庫將在別名「tf」下導入,以便以後我們可以使用它而不必每次鍵入其全稱「TensorFlow」。1. 計算圖TensorFlow 的創意中的最大創意是數值計算被表達成計算圖。
  • 英文教程太難啃?這裡有一份TensorFlow2.0中文教程
    今年 3 月份,谷歌在 Tensorflow Developer Summit 2019 大會上發布 TensorFlow 2.0 Alpha 版。作為當前最為流行的深度學習框架,2.0 Alpha 版的正式發布引人關注。近兩個月,網上已經出現了大量 TensorFlow 2.0 英文教程。在此文章中,機器之心為大家推薦一個持續更新的中文教程,以便大家學習。
  • TensorFlow發布JavaScript開發者的機器學習框架TensorFlow.js
    此外 Node.js 很快就會發布,它能為網站模型提供 GPU、TPU 等快速訓練與推斷的方法。在 TensorFlow.js 中,我們可以使用最底層的 JavaScript 線性代數庫或最高級的 API 在瀏覽器上開發模型,也能基於瀏覽器運行已訓練的模型。因此,它可以充分利用瀏覽器和計算機的計算資源實現非常多機器學習應用。
  • TensorFlow極速入門
    一、前言目前,深度學習已經廣泛應用於各個領域,比如圖像識別,圖形定位與檢測,語音識別,機器翻譯等等,對於這個神奇的領域,很多童鞋想要一探究竟,這裡拋磚引玉的簡單介紹下最火的深度學習開源框架 tensorflow。
  • tensorflow極速入門
    一、前言目前,深度學習已經廣泛應用於各個領域,比如圖像識別,圖形定位與檢測,語音識別,機器翻譯等等,對於這個神奇的領域,很多童鞋想要一探究竟,這裡拋磚引玉的簡單介紹下最火的深度學習開源框架 tensorflow。本教程不是 cookbook,所以不會將所有的東西都事無巨細的講到,所有的示例都將使用 python。那麼本篇教程會講到什麼?
  • 淺顯易懂的分布式TensorFlow入門教程
    雖然官方提供了文檔和示例,如連結【1】,但是它們太難懂了。本文是一篇淺顯易懂的分布式TensorFlow入門教程,可以讓你對分布式TensorFlow的原理和使用有一定的了解。1.https://github.com/tensorflow/tensorflow/blob/r1.3/tensorflow/python/training/monitored_session.py作者 | Tutorials by Malo Marrec 編譯 | 專知整理 | HujunHow
  • TensorFlow筆記:高級封裝—tf.Estimator
    tf.Estimator的特點是:既能在model_fn中靈活的搭建網絡結構,也不至於像原生tensorflow那樣複雜繁瑣。相比於原生tensorflow更便捷、相比與keras更靈活,屬於二者的中間態。實現一個tf.Estimator主要分三個部分:input_fn、model_fn、main三個函數。
  • 《30天吃掉那隻 TensorFlow2.0 》全新TF2.0教程收穫1000 Star
    Keras可以看成是一種深度學習框架的高階接口規範,它幫助用戶以更簡潔的形式定義和訓練深度學習網絡。使用pip安裝的Keras庫同時在tensorflow,theano,CNTK等後端基礎上進行了這種高階接口規範的實現。而tf.keras是在TensorFlow中以TensorFlow低階API為基礎實現的這種高階接口,它是Tensorflow的一個子模塊。
  • TF - GAN入門:TensorFlow 2.0 的輕量級 GAN 庫
    具影響力的論文:https://github.com/tensorflow/gan#who-uses-tf-gan今天,各個推出 TF-GAN 的新版本。此版本擁有諸多升級和新功能:Cloud TPU 支持:您現在可以使用 TF-GAN 在 Google 的 Cloud TPU 上訓練 GAN。