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

• 使用 GPUs 解释了 TensorFlow 如何为设备分配操作以及如何手动更改排列。
• 使用 TPUs 解释了如何修改 Estimator 程序以在 TPU 上运行。

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。