在线时间:8:00-16:00
迪恩网络APP
随时随地掌握行业动态
扫描二维码
关注迪恩网络微信公众号
开源软件名称:Amberlan1001/eat_tensorflow2_in_30_days_ipynb开源软件地址:https://github.com/Amberlan1001/eat_tensorflow2_in_30_days_ipynb开源编程语言:Jupyter Notebook 100.0%开源软件介绍:eat_tensorflow2_in_30_days_ipynbeat_tensorflow2_in_30_days_ipynb为《30天吃掉那只TensorFlow2.0 》Jupyter Notebook 运行版本。 感谢原作者lyhue1991提供的教程。
1、章节目录 |
日期 | 学习内容 | 内容难度 | 预计学习时间 | 更新状态 |
---|---|---|---|---|
一、TensorFlow的建模流程 | 0 hour | |||
day1 | 1-1 结构化数据建模流程范例 | 1 hour | ||
day2 | 1-2 图片数据建模流程范例 | 2 hour | ||
day3 | 1-3 文本数据建模流程范例 | 2 hour | ||
day4 | 1-4 时间序列数据建模流程范例 | 2 hour | ||
二、TensorFlow的核心概念 | 0 hour | |||
day5 | 2-1 张量数据结构 | 1 hour | ||
day6 | 2-2 三种计算图 | 2 hour | ||
day7 | 2-3 自动微分机制 | 1 hour | ||
三、TensorFlow的层次结构 | 0 hour | |||
day8 | 3-1 低阶API示范 | 0.5 hour | ||
day9 | 3-2 中阶API示范 | 0.5 hour | ||
day10 | 3-3 高阶API示范 | 0.5 hour | ||
四、TensorFlow的低阶API | 0 hour | |||
day11 | 4-1 张量的结构操作 | 2 hour | ||
day12 | 4-2 张量的数学运算 | 1 hour | ||
day13 | 4-3 AutoGraph的使用规范 | 0.5 hour | ||
day14 | 4-4 AutoGraph的机制原理 | 2 hour | ||
day15 | 4-5 AutoGraph和tf.Module | 1 hour | ||
五、TensorFlow的中阶API | 0 hour | |||
day16 | 5-1 数据管道Dataset | 2 hour | ||
day17 | 5-2 特征列feature_column | 1 hour | ||
day18 | 5-3 激活函数activation | 0.5 hour | ||
day19 | 5-4 模型层layers | 1 hour | ||
day20 | 5-5 损失函数losses | 1 hour | ||
day21 | 5-6 评估指标metrics | 1 hour | ||
day22 | 5-7 优化器optimizers | 0.5 hour | ||
day23 | 5-8 回调函数callbacks | 1 hour | ||
六、TensorFlow的高阶API | 0 hour | |||
day24 | 6-1 构建模型的3种方法 | 1 hour | ||
day25 | 6-2 训练模型的3种方法 | 1 hour | ||
day26 | 6-3 使用单GPU训练模型 | 0.5 hour | ||
day27 | 6-4 使用多GPU训练模型 | 0.5 hour | ||
day28 | 6-5 使用TPU训练模型 | 0.5 hour | ||
day29 | 6-6 使用tensorflow-serving部署模型 | 1 hour | ||
day29 | 6-6-1 使用tensorflow-serving-colab部署模型 | 1 hour | ||
day30 | 6-7 使用spark-scala调用tensorflow模型 | 2 hour |
本书全部源码在jupyter中编写测试通过,建议通过git克隆到本地,并在jupyter中交互式运行学习。
#建议在终端上安装最新版本tensorflow 测试此教程中的代码
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U tensorflow
import tensorflow as tf
#注:全部代码在tensorflow 2.1版本测试通过
tf.print("tensorflow version:",tf.__version__)
tensorflow version: 2.1.0
2023-10-27
2022-08-15
2022-08-17
2022-09-23
2022-08-13
请发表评论