TensorFlow World
_
.. image:: https://img.shields.io/badge/contributions-welcome-brightgreen.svg?style=flat :target: https://github.com/astorfi/TensorFlow-World/issues .. image:: https://badges.frapsoft.com/os/v2/open-source.svg?v=102 :target: https://github.com/ellerbrock/open-source-badge/ .. image:: https://coveralls.io/repos/github/astorfi/TensorFlow-World/badge.svg?branch=master :target: https://coveralls.io/github/astorfi/TensorFlow-World?branch=master .. image:: https://zenodo.org/badge/86115145.svg :target: https://zenodo.org/badge/latestdoi/86115145 .. image:: https://img.shields.io/twitter/follow/amirsinatorfi.svg?label=Follow&style=social :target: https://twitter.com/amirsinatorfi
.. _TensorFlow World: http://tensorflow-world.readthedocs.io/en/latest/
为了支持维护和升级该项目,请友善地考虑赞助项目开发者《https://github.com/sponsors/astorfi/dashboard》_。
任何级别的支持都是很大的贡献❤️
.. raw:: html
该仓库旨在提供简单、可用的TensorFlow教程。相关的解释在与该仓库相关的wiki_中。
每个教程包括源代码
和相关的文档
。
.. 链接. .. _wiki: https://github.com/astorfi/TensorFlow-World/wiki .. _TensorFlow: https://www.tensorflow.org/install/
.. raw:: html
################################################### Slack群组 ###################################################
.. raw:: html
################# 目录 ################# .. contents:: :local: :depth: 3
============ 动机
这个开源项目有不同的动机。TensorFlow(在我们写这篇文档时)是最好的深度学习框架之一。应该问的问题是,既然网上有那么多关于TensorFlow的教程,为什么还要创建这个仓库呢?
为什么使用TensorFlow?
这些天对深度学习非常感兴趣——对算法和体系结构的快速和优化实现有着至关重要的需求。TensorFlow旨在促进这一目标。
TensorFlow的强大优势在于它在设计高度模块化的模型方面的灵活性,这对初学者来说也可能是一个劣势,因为在创建模型时必须考虑很多部分。
通过开发高层次的API如Keras <https://keras.io/>
_ 和 Slim <https://github.com/tensorflow/models/blob/master/inception/inception/slim/README.md//>
_,抽象了设计机器学习算法时使用的许多部分,这个问题也得到了缓解。
关于TensorFlow的有趣之处是,现在它随处可见。许多研究人员和开发人员都在使用它,而且它的社区在以光速增长!许多问题可以轻松解决,因为考虑到TensorFlow社区中涉及的大量人员,通常是许多人遇到的相同问题。
这个仓库的意义是什么?
为了开发而开发开源项目不是这项工作的原因。 考虑到有这么多教程被添加到这个庞大的社区中,创建这个仓库是为了打破通常发生在大多数开源项目中的跳入跳出过程,但是为什么以及如何呢?
首先,努力去做一些大多数人不会停下来看的事情有什么意义呢?创建一些对开发者和研究者社区没有帮助的东西有什么意义呢?为什么要花时间在一些容易被遗忘的事情上?但是**我们怎么尝试做的呢?**直到这个 当前时刻,关于TensorFlow的教程无论是在模型设计还是TensorFlow 工作流程方面都有无数的教程。
大多数教程太复杂或缺乏文档。可用的教程中,仅有少数是简明且结构良好的,并且为其具体实现的模型提供了足够的见解。
这个项目的目标是通过结构化的教程和简单且优化的代码实现帮助社区更好地了解如何快速有效地使用TensorFlow。
值得注意的是,该项目的主要目标是提供文档齐全的教程和更简单的代码!
================================================= TensorFlow安装和设置环境
.. image:: _img/mainpage/installation-logo.gif :height: 100px :width: 200 px :scale: 50 % :alt: 替代文本 :align: right :target: https://github.com/astorfi/TensorFlow-World/tree/master/docs/tutorials/installation
.. _TensorFlow安装: https://github.com/astorfi/TensorFlow-World/tree/master/docs/tutorials/installation
要安装TensorFlow,请参考以下链接:
TensorFlow安装
_
.. image:: _img/mainpage/installation.gif :target: https://www.youtube.com/watch?v=_3JFEPk4qQY&t=2s
推荐虚拟环境安装,以防止包冲突并具备定制工作环境的能力。
==================== TensorFlow教程
该仓库中的教程被分为相关类别。
==========================
热身
.. image:: _img/mainpage/welcome.gif :height: 100px :width: 200 px :scale: 50 % :alt: 替代文本 :align: right
+----+---------------------+----------------------------------------------------------------------------------------+----------------------------------------------+
| # | 主题 | 源代码 | |
+====+=====================+========================================================================================+==============================================+
| 1 | 启动 | 欢迎 <welcomesourcecode_>
_ / IPython <ipythonwelcome_>
_ | 文档 <Documentationcnnwelcome_>
_ |
+----+---------------------+----------------------------------------------------------------------------------------+----------------------------------------------+
==========================
基础
.. image:: _img/mainpage/basics.gif :height: 100px :width: 200 px :scale: 50 % :alt: 替代文本 :align: right
+----+---------------------+----------------------------------------------------------------------------------------+----------------------------------------------+
| # | 主题 | 源代码 | |
+====+=====================+========================================================================================+==============================================+
| 2 | TensorFlow基础 | 基础数学运算 <basicmathsourcecode_>
_ / IPython <ipythonbasicmath_>
_ | 文档 <Documentationbasicmath_>
_ |
+----+---------------------+----------------------------------------------------------------------------------------+----------------------------------------------+
| 3 | TensorFlow基础 | TensorFlow变量 <variablssourcecode_>
_ / IPython <ipythonvariabls_>
_ | 文档 <Documentationvariabls_>
_ |
+----+---------------------+----------------------------------------------------------------------------------------+----------------------------------------------+
==========================
基础机器学习
.. image:: _img/mainpage/basicmodels.gif :height: 100px :width: 200 px :scale: 50 % :alt: 替代文本 :align: right
+----+----------------------------+----------------------------------------------------------------------------------------+----------------------------------------------+
| # | 主题 | 源代码 | |
+====+============================+========================================================================================+==============================================+
| 4 | 线性模型 | 线性回归 <Linear Regression>
_ / IPython <LinearRegressionipython_>
_ | 文档 <Documentationlr_>
_ |
+----+----------------------------+----------------------------------------------------------------------------------------+----------------------------------------------+
| 5 | 预测模型 | 逻辑回归 <Logistic Regression>
_ / IPython <LogisticRegressionipython_>
_ | 文档 <LogisticRegDOC_>
_ |
+----+----------------------------+----------------------------------------------------------------------------------------+----------------------------------------------+
| 6 | 支持向量机 | 线性SVM
_ / IPython <LinearSVMipython_>
_ | |
+----+----------------------------+----------------------------------------------------------------------------------------+----------------------------------------------+
| 7 | 支持向量机 | 多类核SVM <MultiClass Kernel SVM>
_ / IPython <MultiClassKernelSVMipython_>
_ | |
+----+----------------------------+----------------------------------------------------------------------------------------+----------------------------------------------+
==========================
神经网络
.. image:: _img/mainpage/CNNs.png :height: 100px :width: 200 px :scale: 50 % :alt: 替代文本 :align: right
+----+-----------------------------------+-----------------------------------------------------------------------------------------------+----------------------------------------------+
| # | 主题 | 源代码 | |
+====+===================================+===============================================================================================+==============================================+
| 8 | 多层感知器 | 简单多层感知器 <Simple Multi Layer Perceptron>
_ / IPython <MultiLayerPerceptronipython_>
_ | |
+----+-----------------------------------+-----------------------------------------------------------------------------------------------+----------------------------------------------+
| 9 | 卷积神经网络 | 简单卷积神经网络 <Simple Convolutional Neural Networks>
_ | 文档 <Documentationcnn_>
_ |
+----+-----------------------------------+-----------------------------------------------------------------------------------------------+----------------------------------------------+
| 10 | 自动编码器 | 欠完备自动编码器 <Undercomplete Autoencoder>
_ | 文档 <Documentationauto_>
_ |
+----+-----------------------------------+-----------------------------------------------------------------------------------------------+----------------------------------------------+
| 11 | 循环神经网络 | RNN
_ / IPython <RNNIpython_>
_ | |
+----+-----------------------------------+-----------------------------------------------------------------------------------------------+----------------------------------------------+
.. ~~~~~~~~~~~~ .. 欢迎 .. ~~~~~~~~~~~~
.. 该部分中的教程是进入TensorFlow世界的简单入口。
.. _welcomesourcecode: https://github.com/astorfi/TensorFlow-World/tree/master/codes/0-welcome .. _Documentationcnnwelcome: https://github.com/astorfi/TensorFlow-World/blob/master/docs/tutorials/0-welcome .. _ipythonwelcome: https://github.com/astorfi/TensorFlow-World/blob/master/codes/0-welcome/code/0-welcome.ipynb
.. +---+---------------------------------------------+-------------------------------------------------+
.. | # | 源代码 | |
.. +===+=============================================+=================================================+
.. | 1 | 欢迎 <welcomesourcecode_>
_ | 文档 <Documentationcnnwelcome_>
_ |
.. +---+---------------------------------------------+-------------------------------------------------+
.. ~~~~~~~~~~ .. 基础 .. ~~~~~~~~~~ .. 这些教程与TensorFlow的基础知识相关。
.. _basicmathsourcecode: https://github.com/astorfi/TensorFlow-World/tree/master/codes/1-basics/basic_math_operations .. _Documentationbasicmath: https://github.com/astorfi/TensorFlow-World/blob/master/docs/tutorials/1-basics/basic_math_operations .. _ipythonbasicmath: https://github.com/astorfi/TensorFlow-World/blob/master/codes/1-basics/basic_math_operations/code/basic_math_operation.ipynb
.. _ipythonvariabls: https://github.com/astorfi/TensorFlow-World/blob/master/codes/1-basics/variables/code/variables.ipynb .. _variablssourcecode: https://github.com/astorfi/TensorFlow-World/blob/master/codes/1-basics/variables/README.rst .. _Documentationvariabls: https://github.com/astorfi/TensorFlow-World/blob/master/docs/tutorials/1-basics/variables
.. +---+-----------------------------------------------------+-------------------------------------------------+
.. | # | 源代码 | |
.. +===+=====================================================+=================================================+
.. | 1 | 基础数学运算 <basicmathsourcecode_>
_ | 文档 <Documentationbasicmath_>
_ |
.. +---+-----------------------------------------------------+-------------------------------------------------+
.. | 2 | TensorFlow变量 <variablssourcecode_>
_ | 文档 <Documentationvariabls_>
_ |
.. +---+-----------------------------------------------------+-------------------------------------------------+
.. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
.. 机器学习基础
.. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~
.. 我们将介绍基本机器学习模型和方法的概念,并展示如何在Tensorflow中实现它们。
.. _线性回归: https://github.com/astorfi/TensorFlow-World/tree/master/codes/2-basics_in_machine_learning/linear_regression .. _线性回归ipython: https://github.com/astorfi/TensorFlow-World/tree/master/codes/2-basics_in_machine_learning/linear_regression/code/linear_regression.ipynb .. _线性回归文档: https://www.machinelearningmindset.com/linear-regression-with-tensorflow/
.. _逻辑回归: https://github.com/astorfi/TensorFlow-World/tree/master/codes/2-basics_in_machine_learning/logistic_regression .. _逻辑回归ipython: https://github.com/astorfi/TensorFlow-World/tree/master/codes/2-basics_in_machine_learning/logistic_regression/code/logistic_regression.ipynb .. _逻辑回归文档: https://github.com/astorfi/TensorFlow-World/tree/master/docs/tutorials/2-basics_in_machine_learning/logistic_regression
.. _线性SVM: https://github.com/astorfi/TensorFlow-World/tree/master/codes/2-basics_in_machine_learning/linear_svm .. _线性SVMipython: https://github.com/astorfi/TensorFlow-World/tree/master/codes/2-basics_in_machine_learning/linear_svm/code/linear_svm.ipynb
.. _多类核SVM: https://github.com/astorfi/TensorFlow-World/blob/master/codes/2-basics_in_machine_learning/multiclass_svm .. _多类核SVMipython: https://github.com/astorfi/TensorFlow-World/blob/master/codes/2-basics_in_machine_learning/multiclass_svm/code/multiclass_svm.ipynb
.. +---+---------------------------------------------+----------------------------------------+
.. | # | 源代码 | |
.. +===+=============================================+========================================+
.. | 1 | 线性回归
_ | 文档 <线性回归文档_>
_ |
.. +---+---------------------------------------------+----------------------------------------+
.. | 2 | 逻辑回归
_ | 文档 <逻辑回归文档_>
_ |
.. +---+---------------------------------------------+----------------------------------------+
.. | 3 | 线性SVM
_ | |
.. +---+---------------------------------------------+----------------------------------------+
.. | 4 | 多类核SVM
_ | |
.. ~~~~~~~~~~~~~~~~~~~ .. 神经网络 .. ~~~~~~~~~~~~~~~~~~~ .. 本节中的教程与神经网络架构有关。
.. _简单卷积神经网络: https://github.com/astorfi/TensorFlow-World/tree/master/codes/3-neural_networks/convolutional-neural-network .. _卷积神经网络文档: https://github.com/astorfi/TensorFlow-World/blob/master/docs/tutorials/3-neural_network/convolutiona_neural_network
.. _简单多层感知器: https://github.com/astorfi/TensorFlow-World/blob/master/codes/3-neural_networks/multi-layer-perceptron .. _多层感知器ipython: https://github.com/astorfi/TensorFlow-World/blob/master/codes/3-neural_networks/multi-layer-perceptron/code/train_mlp.ipynb
.. _欠完备自动编码器代码: https://github.com/astorfi/TensorFlow-World/tree/master/codes/3-neural_networks/undercomplete-autoencoder .. _自动编码器文档: https://github.com/astorfi/TensorFlow-World/tree/master/docs/tutorials/3-neural_network/autoencoder
.. _RNN: codes/3-neural_networks/recurrent-neural-networks/code/rnn.py .. _RNNipython: codes/3-neural_networks/recurrent-neural-networks/code/rnn.py
.. +---+---------------------------------------------+----------------------------------------+
.. | # | 源代码 | |
.. +===+=============================================+========================================+
.. | 1 | 多层感知器
_ | |
.. +---+---------------------------------------------+----------------------------------------+
.. | 2 | 卷积神经网络
_ | 文档 <卷积神经网络文档_>
_ |
.. +---+---------------------------------------------+----------------------------------------+
===================== 一些有用的教程
TensorFlow 示例 <https://github.com/aymericdamien/TensorFlow-Examples>
_ - 初学者的TensorFlow教程和代码示例Sungjoon's TensorFlow-101 <https://github.com/sjchoi86/Tensorflow-101>
_ - 用Python和Jupyter Notebook编写的TensorFlow教程Terry Um的TensorFlow练习 <https://github.com/terryum/TensorFlow_Exercises>
_ - 重新创建其他TensorFlow示例的代码对时间序列的分类 <https://github.com/guillaume-chevalier/LSTM-Human-Activity-Recognition>
_ - 使用LSTM在TensorFlow中对手机传感器数据进行递归神经网络分类
============= 贡献
在向此存储库贡献时,请先通过问题、电子邮件或与此存储库所有者以其他任何方式讨论您希望进行的更改,然后再进行更改。对于拼写错误,请不要创建拉取请求。取而代之的是在问题中声明它们或发送电子邮件至存储库所有者。
请注意,我们有行为准则,请在与项目的所有互动中遵守它。
拉取请求流程
请考虑以下标准以更好地帮助我们:
- 拉取请求主要预期是代码脚本的建议或改进。
- 与非代码脚本部分相关的拉取请求预计会在文档中产生显著差异。否则,预计将在问题部分宣布。
- 确保在构建和创建拉取请求时,在层结束之前移除任何安装或构建依赖。
- 添加更改接口的详细注释,包括新的环境变量、暴露的端口、常用文件位置和容器参数。
- 一旦获得至少另一位开发者的签署批准,您可以合并拉取请求,或者如果您无权这样做,如果您认为所有检查都通过了,您可以请求所有者为您合并它。
最后说明
我们期待您的宝贵反馈。请帮助我们改进这个开源项目,使我们的工作更好。 对于贡献,请创建一个拉取请求,我们会及时调查。一如既往,我们感谢您的宝贵反馈和详细的代码检查。
================ 致谢
我为此项目付出了巨大的努力,希望能成为TensorFlow世界的一小部分,但如果没有我的朋友和同事Domenick Poster <https://github.com/vonclites/>
_的宝贵建议,情况就不会如此。他帮助我更好地理解TensorFlow,我特别感谢他。