簡(jiǎn)單粗暴入門TensorFlow 2.0，全中文教學(xué)，北大學(xué)霸出品
魚羊 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) QbitAI
TensorFlow 2.0已在十一發(fā)布，香不香？好用不好用？
現(xiàn)在，這里有一份全中文教學(xué)的快速上手指南，基于Keras和Eager Execution（動(dòng)態(tài)圖）模式，北大學(xué)霸出品，獲得TensorFlow官方認(rèn)可。
其名為，簡(jiǎn)單粗暴TensorFlow 2.0。
話不多說，一起來看看吧。
簡(jiǎn)潔高效的指導(dǎo)手冊(cè)
TensorFlow 2.0，擯棄了TensorFlow 1.x的諸多弊病，進(jìn)一步整合TensorFlow和Keras，號(hào)稱能像Numpy一樣暢爽運(yùn)行，快速、可擴(kuò)展、可投入生產(chǎn)。
官方表示，這是用戶社區(qū)推動(dòng)的，易于使用、靈活又強(qiáng)大的平臺(tái)。
就像TensorFlow 2.0一樣，這份教程旨在刪繁就簡(jiǎn)：
- 主要基于TensorFlow最新的Eager Execution模式，以便于模型的快速迭代開發(fā)。但依然包含傳統(tǒng)的Graph Execution模式。
- 能過快速查閱，各章節(jié)相對(duì)獨(dú)立。哪里不會(huì)點(diǎn)哪里。
- 代碼實(shí)現(xiàn)力圖簡(jiǎn)潔高效，表意清晰，高度可復(fù)用。每個(gè)完整項(xiàng)目代碼總行數(shù)不過百行。
- 簡(jiǎn)潔明了。不追求面面俱到。
整份手冊(cè)包含以下幾個(gè)部分：
從TensorFlow基礎(chǔ)知識(shí)到模型在實(shí)際環(huán)境中的部署，再到訓(xùn)練與加速的細(xì)節(jié)，這份指南涵蓋的內(nèi)容十分完備。
并且，在每一章的開頭，都設(shè)置了前置知識(shí)模塊，方便讀者查缺補(bǔ)漏。
在講解的過程之中，作者也穿插補(bǔ)充了相關(guān)的概念、知識(shí)。
比如在TensorFlow模型建立與訓(xùn)練這一章中，也可以學(xué)習(xí)到Keras全連接層的概念：
以及更多函數(shù)調(diào)用細(xì)節(jié)：
如果你不需要這些補(bǔ)充知識(shí)，只想集中精力快速上手TensorFlow，那么這個(gè)折疊全部注釋按鈕，可以說是十分貼心了。
講完理論，代碼實(shí)現(xiàn)也不能少。
比如用Keras實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)CNN：
簡(jiǎn)潔明了，易讀易懂。
有這樣一份教程，不來上手一下TensorFlow 2.0嗎？說不定就真香了呢~
北大學(xué)霸出品
《簡(jiǎn)單粗暴TensorFlow 2.0》的作者，是來自北大的李錫涵。
2016年，他從浙大竺可楨學(xué)院本科畢業(yè)，隨后進(jìn)入北大信息科學(xué)技術(shù)學(xué)院讀研，師從童云海教授。
李錫涵曾于微軟亞研院實(shí)習(xí)，還是機(jī)器學(xué)習(xí)的Google Developers Expert。
小哥目前的研究重點(diǎn)，是基于圖的現(xiàn)實(shí)場(chǎng)景中多主體強(qiáng)化學(xué)習(xí)的應(yīng)用。
傳送門
中文指南：
https://tf.wiki/
GitHub地址：
https://github.com/snowkylin/tensorflow-handbook
— 完 —
相關(guān)閱讀
TensorFlow也可以做圖形渲染了：當(dāng)神經(jīng)網(wǎng)絡(luò)遇上計(jì)算機(jī)圖形學(xué)
谷歌給TensorFlow加入了計(jì)算機(jī)圖形處理功能TensorFlow Graphics，讓神經(jīng)網(wǎng)絡(luò)可以更好地理解計(jì)算機(jī)世界里的圖形操作。
實(shí)現(xiàn)100倍加速！谷歌開源超強(qiáng)張量計(jì)算庫(kù)TensorNetwork
希望TensorNetwork成為科學(xué)家們和機(jī)器學(xué)習(xí)從業(yè)者的寶貴工具。
PyTorch大更新！谷歌出手幫助開發(fā)，正式支持TensorBoard | 附5大開源項(xiàng)目
又有了一個(gè)不同TensorFlow的理由。
