Tensorflow 官方版教程中文版

2020-12-11 開源中國

2015年11月9日,Google發布人工智慧系統TensorFlow並宣布開源,同日,極客學院組織在線TensorFlow中文文檔翻譯。一個月後,30章文檔全部翻譯校對完成,上線並提供電子書下載,該文檔的上線為國內外使用中文學習TensorFlow的工程及研究人員提供了更快的訪問速度和更好的閱讀體驗,助力中國AI技術與世界同步。在線閱讀地址為:http://wiki.jikexueyuan.com/project/tensorflow-zh/ 

眾所周知,人工智慧將是未來發展的大方向,從國家到全球科技領域對此都非常重視。我國的『十三五規劃』中明確指出要實施智能製造工程;全球科技巨頭也積極在人工智慧領域布局,市場前景非常廣闊。Google開發的人工智慧系統儘管不是市面上唯一的開發框架,但Google的開發能力是強大的,如同之前的Android系統、Map Reduce技術一樣,其強大的影響力可以引領一個領域的發展。

儘管Tensorflow的官方版教程已經發布,但全英文的教程敘述難免讓國內的研究人員閱讀起來有些費力,且個人理解不同會造成使用時的不方便,翻譯成中文上線發布,不但方便學習者理解,還解決了訪問速度的問題。本次翻譯採取的是網際網路開源協作翻譯的模式,由組織者整理出所有章節的英文原文並制定翻譯規則,譯者主動申請認領翻譯和校對。短短一周內,所有翻譯章節認領完畢,GitHub上Star達361,截止今日,Star已超500,在GitHub庫中搜索TensorFlow,該翻譯項目排名第二,僅次於Google TensorFlow官網開源庫。較之普通的程式語言類翻譯,該翻譯對譯者和校對人員的語言功底和背景知識要求更高,同時也有一批國內AI愛好者藉助此項目聚集起來,共同討論研究。

Google TensorFlow項目負責人Jeff Dean為該中文翻譯項目回信稱:"看到能夠將TensorFlow翻譯成中文我非常激動,我們將TensorFlow開源的主要原因之一是為了讓全世界的人們能夠從機器學習與人工智慧中獲益,類似這樣的協作翻譯能夠讓更多的人更容易地接觸到TensorFlow項目,很期待接下來該項目在全球範圍內的應用!"

據了解,組織此次翻譯的極客學院Wiki團隊曾多次全國首發最新IT技術的中文翻譯,今年7月份以來已上線包括《Material Design中文版》、《Bootstrap4 中文文檔》、《React Native for Android中文文檔》以及《Android Weekly中文版》等多個IT前沿技術的中文翻譯。極客學院Wiki團隊稱,今後將持續關注TensorFlow、AI領域以及其它最新技術的發展,持續維護該協作翻譯,持續提供更多更優質的內容,也歡迎大家加入極客學院Wiki團隊,一起為中國的IT技術發展做出貢獻,服務更多的IT學習者!

相信隨著人工智慧在國內的快速發展,TensorFlow等開源技術會有更多的學習者與研究者,在不久的將來,中國的人工智慧將會迎來不可限量的發展前景!

PS:在此感謝所有參與翻譯和校對的參與者,特別感謝GitHub ID為PFZheng,lonlonago,volvet以及恩澤(longmotto)等同學的大力支持和付出。

相關焦點

  • 你可以試試TensorFlow官方中文版教程
    現在 TensorFlow 有官方中文版教程啦,以前的英文版 Tutorials 有了對應的中文翻譯。
  • 【官方教程】TensorFlow在圖像識別中的應用
    這篇教程將會教你如何使用Inception-v3。你將學會如何用Python或者C++把圖像分為1000個類別。我們也會討論如何從模型中提取高層次的特徵,在今後其它視覺任務中可能會用到。Python API的使用方法第一次運行classify_image.py腳本時,它會從tensorflow.org官網上下載訓練好的模型。你需要在磁碟上預留約200M的空間。
  • 小叮噹機器學習:Python3.6配置TensorFlow的GPU版詳細安裝教程
    然而網上的大多數都是圍繞python2.7版本的tensorflow教程,下面我們就來看看在Centos7 +pyton3.6的環境下,我們怎麼安裝使用這個功能強大的開源庫的GPU版本。首先進入官方下載地址:https://www.anaconda.com/download/由於是Centos7,我們選擇linux版本,之後根據自己安裝的python版本來選擇相應的安裝包版本。小叮噹這裡選擇的是Python3.6版本。
  • TensorFlow 資源大全中文版
    TensorFlow 是一個採用數據流圖(data flow graphs),用於數值計算的開源軟體庫。節點(Nodes)在圖中表示數學操作,圖中的線(edges)則表示在節點間相互聯繫的多維數據數組,即張量(tensor)。它靈活的架構讓你可以在多種平臺上展開計算,例如臺式計算機中的一個或多個CPU(或GPU)、伺服器、行動裝置等等。
  • Anaconda軟體安裝TensorFlow教程
    Anaconda軟體的安裝,請閱讀文章《Anaconda軟體安裝和簡易使用教程》第一步:創建r-tensorflow環境打開Anaconda Prompt,執行命令conda create --name r-tensorflow python=3.6該命令用來創建r-tensorflow虛擬環境
  • 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。
  • tensorflow安裝教程
    tensorflow是谷歌開源的人工智慧庫,有最完善的生態支持。是進行人工智慧領域開發和科研的必備工具。本文在windows10下,藉助anacondaAnaconda安裝和使用,AkShare入門,安裝tensorflow2.0。
  • TensorFlow圖像分類教程
    訓練和分類本教程將訓練一個用於識別不同類型花朵的圖像分類器。深度學習需要大量的訓練數據,因此,我們需要大量已分類的花朵圖像。在很多TensorFlow教程中最先且唯一依賴的就是Docker(應該表明這是個合理的開始)。我也更喜歡這種安裝TensorFlow的方法,因為不需要安裝一系列的依賴項,這可以保持主機(筆記本或桌面)比較乾淨。
  • Tensorflow 全網最全學習資料匯總之Tensorflow 的入門與安裝【2】
    經過了以上來自民間的實踐教程之後,相信各位讀者對TensorFlow的大致情況和具體安裝方法已經有了自己的理解。下面對於那些想要更全面和深入地了解TensorFlow的讀者,我們推薦幾個官方的教程。5.
  • TensorFlow 中文資源全集,學習路徑推薦
    https://gitee.com/fendouai/Awesome-TensorFlow-Chinese很多內容下面這個英文項目:Inspired by https://github.com/jtoy/awesome-tensorflow官方網站官網:https://www.tensorflow.org/中文:https://tensorflow.google.cn
  • 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官方語音識別入門教程 | 附Google新語音指令數據集
    語音識別教程Google還配合這個數據集,推出了一份TensorFlow教程,教你訓練一個簡單的語音識別網絡,能識別10個詞,就像是語音識別領域的MNIST(手寫數字識別數據集)。雖然這份教程和數據集都比真實場景簡化了太多,但能幫用戶建立起對語音識別技術的基本理解,很適合初學者使用。
  • TensorFlow Eager圖文教程(附9張圖解和Jupyter)
    本文推薦一個Github上的關於TensorFlow Eager的較為完整的圖文教程(附Jupyter Notebook)。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發布JavaScript開發者的機器學習框架TensorFlow.js
    發布新的 TensorFlow 官方博客(http://blog.tensorflow.org/)與 TensorFlow YouTube 頻道;2. 面向 JavaScript 開發者的全新機器學習框架 TensorFlow.js;3.
  • 官方文檔太辣雞?TensorFlow 2.0開源工具書,30天「無痛」上手
    開源電子書地址:https://lyhue1991.github.io/eat_tensorflow2_in_30_days/GitHub 項目地址:https://github.com/lyhue1991/eat_tensorflow2_in_30_days為什麼一定要學
  • 福利,PyTorch中文版官方教程來了
    機器之心整理參與:一鳴PyTorch 中文版官方教程來了。PyTorch 是近年來較為火爆的深度學習框架,然而其中文版官方教程久久不來。近日,一款完整的 PyTorch 中文版官方教程出爐,讀者朋友可以更好的學習了解 PyTorch 的相關細節了。教程作者來自 pytorchchina.com。
  • 《30天吃掉那隻 TensorFlow2.0 》全新TF2.0教程收穫1000 Star
    本書主要是在參考TensorFlow官方文檔和函數doc文檔基礎上整理寫成的。但本書在篇章結構和範例選取上做了大量的優化。不同於官方文檔混亂的篇章結構,既有教程又有指南,缺少整體的編排邏輯。本書按照內容難易程度、讀者檢索習慣和TensorFlow自身的層次結構設計內容,循序漸進,層次清晰,方便按照功能查找相應範例。
  • 使用Python+Tensorflow的CNN技術快速識別驗證碼
    本教程所需要的完整材料,我都會放在這裡。限於個人水平,如有錯誤請指出!接下來我將介紹如何使用Python+Tensorflow的CNN技術快速識別驗證碼。在此之前,介紹我們用到的工具:1. PyCharm社區版(python的IDE):寫代碼非常方便,安裝第三方庫(tensorflow 1.2.1)操作簡單。2.
  • TensorFlow 2.0凌晨發布!「改變一切,力壓PyTorch」
    更多關於TensorFlow 2.0的信息,可以>訪問官網:https://www.tensorflow.org/GitHub:https://github.com/tensorflow/tensorflow/releases
  • Tensorflow教程-雙向的LSTM文本分類
    原始碼:https://github.com/PrivateThink/tensorflow_tutorial/blob/master/15.py在Tensorflow今天的教程就是利用雙向的LSTM進行文本分類,單向的LSTM的文本分類可以參考Tensorflow教程-循環神經網絡文本分類。