Tensorflow官方文档中文版，供大家学习！内容来源英文官方网站 http://tensorf

文件名称: Tensorflow官方文档中文版

所属分类: 深度学习

开发工具:

文件大小: 6mb

下载次数: 0

上传时间: 2019-03-03

提供者: bit***

下载 (6mb)

不能下载？报告错误

详细说明：Tensorflow官方文档中文版，供大家学习！内容来源英文官方网站 http://tensorflow.org 官方GiHb仓库 https://github.com/tensorflow/tensorflow 中文版 GitHub仓厍: https://github.com/jikexueyuanwiki/tensorf'lowzh 参与者(按认领章节排序) 翻译 (YIZheng Tony Jin chenweican OngJIn btter Warn TICX ° wangalcc Tcrencc Cooper hyogo thy lacoleo velvet (zhangke derekshlang nb312 (Jim-7enn andylac ° erence Cooper leege100 校对 angtze HongyangWang lchAmnesla anoop waiwaizheng (HongyangWang Lensorfl lonlonago shaoming a11 velvet englan ° giaohai jun · Seika 进度记录 2015-11-10,谷歌发布全新人工智能系统 Tensorflo并宣布开源,极客学院Wiki启动协同翻译,创建 Github 仓库,制定协同规范 2015-11-18,所有章节认领完毕,翻译完成18章,校对认领7章,Star数361,fork数100,协同翻译QQ群及技术交流群的TF爱好者将近300人, GiLHub搜索 TensorFlo排名第二 2015-12-10,Star数超过500 2015-12-15,项目正式上线花絮在组织翻译的过程中,有些事情令人印象深刻,记录下来,希望以后来学习文档的同学能够明了刭于中这份文档的由来参加翻译的有学生,也有老师;有专门研究AIM的,也有对此感兴趣的;有围内的,也有远在纽约的;有工程技术人员也有博士、专家其中一位,愿泽同学,为了翻译一篇文档,在前一天没有睡觉的情況下坚持翻亢,20个小时没有合眼还有位老师,刚从讲台上讲完谍,就立即给我们的翻译提修改意见很多同学自发的将搭建环境中遇到的问题总结到FAQ里帮助他人为了一个翻译细节,经常是来回几次,和其他人讨论完善持续改进这样的一个高技术领域的文档,我们在翻译的过程中,难免会有不完善的地方,希望请大家一起帮助我们持续改进文档的翻译质量,帮助更多的人,方法: 在Github上提Issue或Pullrequest地址为https://github.com/jikexueyuanwiki/tensorflow-zh 加入我们的QQ群提建议一协同翻译群:248320884,技术交流群:49511506 给我们写邮件:wikigjikexueyuan.com 感谢支持极客学院Wiki提供图文教程托管服务离线版本日前,离线版本(PDF、ePub)可正常下载、使用 Tex- PDI修订版 Tcx-PDF修订版目前正在编订中,欢迎加入进来一起修订。您可以在此查看预览版目前最新状态。目录前言第1章起步 8 简介下载与安装基本使用第2章教程 26 综述 MNIST机器学习入门 30 深入 ANIST Tensor1ow运作方式入门. 卷积神经网络 presentations ords 递归神经网络 76 曼德布洛特( Mandelbrot集合偏微分方程 MNIST数据下载.. 第3章运作方式 91 综述 verview 变量:创建、初始化、保存和加载 Tersorboard:可视化学习 100 Ten sorboard:图表可视化 103 数据读取线程和队列 118 增加一个新0p 自定义薮据读取 141 使用GPUs 共享变量 150 第4章资源 156 其他资源. 157 Bibtex引用 ,158 应用实例 160 常见问题术语表 168 张量的阶、形状、数据类型第5章其他 174 常见问题汇总 175 起步第1章起步9 简介本章的目的是让你了解和运行 TensorFlow! 在廾始之前,让我们先看段使用 Python API撰写的 Tensorflow示例代码,让你对将要学习的内容有初步的印象这段很短的 Python程序生成了一些三维数据,然后用一个平面拟合它 import tensorflow as tf Import numpy as np #使用NmPy牛成假数据( phony data),总共100个点 x data-mp.loat32(mp. random.rand(2,100)#随机输入 y data=np.dot([0.10,0.200], x data)+0.300 #构造一个线性模型 b= tf Variable(tf zeros([1)) W=tf Variable(tf random uniform([1, 2,-1.0, 1.0)) y=tt matmul(w, x data)+h #最小化方差 ss=tf reduce mean(tf square(y -y data)) optimizer tf train Gradient DescentOptimizer(0. 5) tral optimizer. minimize(loss) #初始化变量 nit- tf, initialize all variables o #启动图( graph) sess= tf Session sess. run (init) #拟合平面 for step in xrange(o, 201) sess. run(train) f step 20--0 print step, sess. run(W), sess. run(b #得到最佳拟合结果W:[[0.1000.200J],b:[0.300 为了进一步激发你的学习欲望,我们想让你先看一下 TensorFlow是如何解决一个经典的机器学习问题的.在神经网络领域,最为经典的问题莫过」 MNIST手写数字分类问题.我们准备了两篇不同的教程,分别面向机器学习领域的初学者和专家.如果你已经使用其它软件训练过许多ⅥNTsT模型,请阅读高级教程(红色药丸链接)

(系统自动生成,下载前可以参看下载内容)