TensorFlow 指南
本节中的文档深入介绍了 TensorFlow 的工作原理。节点内容如下:
高级 APIs
- Keras,用于构建和训练深度学习模型的 TensorFlow 高级 API。
- Eager Execution,一个用于命令行式动态编写 TensorFlow 代码的 API,就像你使用 Numpy 一样。
- 导入数据,简单的输入管道,将您的数据引入 TensorFlow 程序。
- 估算器,一个提供完全打包模型并且可以用于大规模培训和生产的高级 API。
估算器
- 预设估算器,预设估算器的基础知识。
- 检查点,保存训练进度和从中断处恢复。
- 特征列,在不改变模型的情况下处理各种输入数据类型。
- 估算器的数据集,使用
tf.data
输入数据。 - 创建自定义估算器,编写自定义估算器。
加速
低级 APIs
- 简介,介绍了如何在高级 API 之外使用 TensorFlow 的基础知识。
- 张量,解释了如何创建,操作和访问张量(Tensors)—— TensorFlow 中的基本对象。
- 变量,详细说明了如何在程序中表示共享的持久状态。
- 图和会话,即:
- 数据流图,它是 TensorFlow 表示的计算作为操作之间的依赖关系。
- 会话,这是 TensorFlow 在一个或多个本地或远程设备上运行数据流图的机制。 如果您使用低级 TensorFlow API 进行编程,则此单元至关重要。如果您使用高级 TensorFlow API(例如估算器或 Keras)进行编程,则高级 API 会为您创建和管理图和会话,但理解图和会话仍然会有所帮助。
- 保存于恢复,解释了如何保存和恢复变量和模型。
机器学习概念
- 嵌入,介绍了嵌入的概念,提供了在 TensorFlow 中训练嵌入(Embeddings)的简单示例,并解释了如何使用 TensorBoard Embeddings 投影查看嵌入。
调试
- TensorFlow 调试器,解释了如何使用 TensorFlow 调试器(tfdbg)。
TensorBoard
TensorBoard 是一个在机器学习各个方面进行可视化的实用程序。下面的内容介绍了如何使用TensorBoard:
- TensorBoard:可视化学习,介绍 TensorBoard。
- TensorBoard:图可视化,解释了如何可视化计算图。
- TensorBoard 直方图仪表板演示了如何使用 TensorBoard 的直方图仪表板。
其它
- TensorFlow 版本兼容性,解释了向后兼容性保证和非保证。
- 常见问题,包含常见的关于 TensorFlow 的问题。