TensorFlow 指南

本单元中的文档深入介绍了 TensorFlow 的工作原理。这些单元包括:

高阶 API

  • Keras,用于构建和训练深度学习模型的 TensorFlow 高阶 API。
  • Eager Execution,一个以命令方式编写 TensorFlow 代码的 API,就像使用 NumPy 一样。
  • Estimator,一个高阶 API,可以提供已准备好执行大规模训练和生产的完全打包的模型。
  • 导入数据,简单的输入管道,用于将您的数据导入 TensorFlow 程序。

Estimator

加速器

  • 使用 GPU - 介绍了 TensorFlow 如何将操作分配给设备,以及如何手动更改此类分配。
  • 使用 TPU - 介绍了如何修改 Estimator 程序以便在 TPU 上运行。

低阶 API

  • 简介 - 介绍了如何使用高阶 API 之外的低阶 TensorFlow API 的基础知识。
  • 张量 - 介绍了如何创建、操作和访问张量(TensorFlow 中的基本对象)。
  • 变量 - 详细介绍了如何在程序中表示共享持久状态。
  • 图和会话 - 介绍了以下内容:
    • 数据流图:这是 TensorFlow 将计算表示为操作之间的依赖关系的一种表示法。
    • 会话:TensorFlow 跨一个或多个本地或远程设备运行数据流图的机制。如果您使用低阶 TensorFlow API 编程,请务必阅读并理解本单元的内容。如果您使用高阶 TensorFlow API(例如 Estimator 或 Keras)编程,则高阶 API 会为您创建和管理图和会话,但是理解图和会话依然对您有所帮助。
  • 保存和恢复 - 介绍了如何保存和恢复变量及模型。

机器学习概念

  • 嵌入 - 介绍了“嵌入”这一概念,并且举了一个简单的例子来说明如何在 TensorFlow 中训练嵌入,此外还说明了如何使用 TensorBoard Embedding Projector 查看嵌入。

调试

TensorBoard

TensorBoard 是一款实用工具,能够直观地展示机器学习的各个不同方面。以下指南介绍了如何使用 TensorBoard:

其他