《嫌官方文档太烂？TensorFlow 开源工具书助你快速上手开发！.docx》由会员分享，可在线阅读，更多相关《嫌官方文档太烂？TensorFlow 开源工具书助你快速上手开发！.docx（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、嫌官方文档太烂？TensorFlow开源工具书，助你快速上手开发！公众号关注“GitHubDaily设为“星标每天带你逛GitHub转自机器之心官方文档排布混乱、搜索难用、API丑陋不堪这是很多人对TensorFlow官方文档的吐槽。但吐槽归吐槽到了工业界你是无论怎样也绕不开这个框架的。既然非学不可那怎么让这个学习经过变得更加平滑呢有人在GitHub开源了一个名为?30天吃掉那只TensorFlow2.0?的入门工具书或者答应以让你无痛上手TensorFlow2.0。lyhue1991表示这本书对人类用户极其友善以Dontletmethink为最高追求假如讲通过学习TensorFlow官方文档
2、掌握TensorFlow2.0的难度大概是9的话那么通过学习本书掌握TensorFlow2.0的难度应该大概是3。该教程与TensorFlow的差异如下所示图片来自工程提供的开源文档。从课程大纲来看有一定根底的读者只需三十天就可以学完好个教程而且每天都被安排得明明白白。开源电子书地址s:/lyhue1991.github.io/eat_tensorflow2_in_30_days/GitHub工程地址s:/github/lyhue1991/eat_tensorflow2_in_30_days为什么一定要学TensorFlow随着PyTorch热度的升高越来越多的人似乎正在转向PyTorch。与
3、TensorFlow相比PyTorch在易用性方面占有更多优势更加方便调试知足了研究者快速迭代发表文章的需求目前已经成为学术界使用的主流框架。在过去的2019年度几乎每个学术顶会都有大量论文用PyTorch实现。但在工业界TensorFlow仍然是主导框架。原因在于工业界最重要的是模型落地和模型的高可用性许多时候使用的都是成熟的模型架构调试需求并不大。所以我们可能不得不面对这样一个现状目前国内的大局部互联网企业只支持TensorFlow模型的在线部署不支持Pytorch。所以指出假如你是工程师应该优先选TensorFlow2.0。这本书面向哪些人群虽讲是仅用30天即可掌握TensorFlow2
4、.0但学习这个教程也需要一定的知识储藏作为前提。本书要求读者具备一定的机器学习以及深度学习理论根底同时使用过Keras、Tensorflow1.0或PyTorch搭建训练过模型。假如没有任何根底怎么办你可以在学习本教程的同时参考深度学习大牛、Keras之父FrancoisChollet所著的?Python深度学习?一书。这本书的优点在于它假定读者无任何机器学习知识全书没有一个数学公式仅旨在培养读者的深度学习直觉。工程在GitHub界面提供了该书电子版的下载链接读者可前往下载。写作风格鉴于TensorFlow的官方文档难用到令人发指就将该书的底线定为不刻意恶心读者声称对读者极其友好。详细而言这本
5、书有以下三大写作特点在参考TensorFlow官方文档以及函数doc文档的根底上整理而成但在篇章构造以及范例选择上进展了大量的优化不同于TensorFlow官方文档中教程指南混杂的篇章构造本书按照内容难易程度、读者检索习惯以及TensorFlow自身的层次构造设计内容循序渐进层次明晰进而方便读者按照功能快速查找相应范例不同于TensorFlow官方文档中冗长的范例代码本书在范例设计上也尽可能地简约化以及构造化进而增强了范例的易读性以及通用性大局部代码片段在理论中也实现了即取即用。课程大纲学习环境配置本书提供的所有学习内容均在Jupyter中编写且在TensorFlow2.1版本上全部测试通过。
6、直接将工程克隆到本地使用任意一款markdown软件即可查看。不过工程建议安装jupytext将markdown转换成ipnb之后就可以在Jupyter中交互式运行学习了。我们在notebook中运行如下代码进展学习环境配置。#克隆本书源码到本地,使用码云镜像仓库国内下载速度更快!gitclones:/gitee/Python_Ai_Road/eat_tensorflow2_in_30_days#建议在jupyternotebook上安装jupytext以便可以将本书各章节markdown文件视作ipynb文件运行!pipinstall-is:/在notebook中输入如下代码查看Tensor
7、Flow版本并测试TensorFlow是否安装成功importtensorflowastf#注本书全部代码在tensorflow2.1版本测试通过tf.print(tensorflowversion:,tf._version_)atf.constant(hello)btf.constant(tensorflow2)ctf.strings.join(a,b,)tf.print(c)当看到如下输出时讲明TensorFlow已经成功安装并运行。接下来就可以愉快地开场课程学习了。tensorflowversion:2.1.0hellotensorflow2课程内容一览以下是本书的30天学习方案安排很详
8、细地列出了每一小节学习的难度和大致的学习时间可谓体贴入微。真正做到了追求的为读者着想不炫技为难读者。在前一周的时间里主要为我们介绍了TensorFlow的建模流程、相关核心概念和不同层次API概述使读者对TensorFlow有一个全面准确的认识为后续详细的学习内容打下根底。毕竟子曾经曰过工欲善其事必先利其器嘛。在接下来的两周左右时间里分别为我们介绍了TensorFlow的低阶、中阶以及高阶API。其中低阶API涵盖了张量的操作与运算、自动图机制。中阶API涵盖Dataset、layers、损失函数以及优化器等内容介绍。高阶API涵盖了模型的构建与训练、单GPU/多GPU/TPU的使用以及训练完成模型的部署。可以讲你应该解析TensorFlow的所有内容都在本书里面了。简介GitHub工程界面的后记文档显示工程毕业于北京吃饭大学学的是理论物理原先在金融行业做量化交易为了改善伙食一步步转行算法工程师。其间坚持自学并利用周末以及晚上的时间录制教学课程。他的自己定位是一个有毅力的吃货从书名可以以看出来。对工程感兴趣的读者可以去读一下后记文档。推荐浏览不用一行代码就写了个爬虫这款谷歌插件已经打包好了Chrome你够了这款超级搜索神器我爱了太赞了?深化浅出Java多线程?书籍正式开源没用过这些IDEA插件怪不得你写代码头疼.GitHubDaily