这是使用 TensorFlow 实现流行的机器学习算法的教程汇集。本汇集的目标是让读者可以轻松通过案例深入 TensorFlow。

这些案例适合那些想要清晰简明的 TensorFlow 实现案例的初学者。本教程还包含了笔记和带有注解的代码。

教程索引

0 - 先决条件

机器学习入门:

1 - 入门

Hello World:

基本操作:

2 - 基本模型

最近邻:

线性回归:

Logistic 回归:

3 - 神经网络

多层感知器:

卷积神经网络:

循环神经网络(LSTM):

双向循环神经网络(LSTM):

动态循环神经网络(LSTM)

自编码器

4 - 实用技术

保存和恢复模型

图和损失可视化

Tensorboard——高级可视化

5 - 多 GPU

多 GPU 上的基本操作

数据集

一些案例需要 MNIST 数据集进行训练和测试。不要担心,运行这些案例时,该数据集会被自动下载下来(使用 input_data.py) 。MNIST 是一个手写数字的数据库,查看这个笔记了解关于该数据集的描述: https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb

更多案例

接下来的示例来自 TFLearn ,这是一个为 TensorFlow 提供了简化的接口的库。你可以看看,这里有很多示例和预构建的运算和层。

教程

TFLearn 快速入门。通过一个具体的机器学习任务学习 TFLearn 基础。开发和训练一个深度神经网络分类器。

  • 笔记:<https://github.com/tflearn/tflearn/blob/master/tutorials/intro/quickstart.md

基础

计算机视觉

自然语言处理

强化学习

Atari Pacman 1-step Q-Learning,使用 1-step Q-learning 教一台机器玩 Atari 游戏: https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_learning/atari_1step_qlearning.py

其他

Recommender-Wide&Deep Network,推荐系统中 wide & deep 网络的教学示例: https://github.com/tflearn/tflearn/blob/master/examples/others/recommender_wide_and_deep.py

Notebooks

可延展的 TensorFlow

内容来源于网络如有侵权请私信删除
你还没有登录,请先登录注册
  • 还没有人评论,欢迎说说您的想法!