Skip to content

深度学习TensorFlow2入门指南。Deep Learning TensorFlow2 API and Examples with Python3 and Jupyter Notebook.

License

Notifications You must be signed in to change notification settings

solidglue/Deep_Learning_TensorFlow2_Examples

Repository files navigation

深度学习入门指南

基于TensorFlow2 + Keras讲解深度学习入门指南。

注意

如果通过Github站内超链接打开Jupyter Notebook文件发生错误,可以点击根据 https://nbviewer.org 生成的“备用链接”间接访问对应文件。
或者通过以下链接访问整个项目的站外备用链接,注意点击站外备用链接里的非Jupyter Notebook格式文件会跳转回到Github仓库内:
Deep_Learning_TensorFlow2_Examples

张量

张量     (备用链接)]
变量     (备用链接)]
自动微分     (备用链接)]
● 图和函数简介
模块、层和模型简介     (备用链接)]
训练循环     (备用链接)]
● 高级自动微分
● 不规则张量
稀疏张量     (备用链接)]
● Numpy API
● Tensor切片

Keras

Sequential模型     (备用链接)]
Functional API     (备用链接)]
使用内置方法进行训练和评估     (备用链接)]
● 通过子类化构建新层和模型
保存并加载Keras模型     (备用链接)]
使用预处理层     (备用链接)]
自定义Model.fit的操作流程     (备用链接)]
从头开始编写训练循环     (备用链接)]
● 采用Keras的循环神经网络(RNN)
采用Keras进行遮盖和填充     (备用链接)]
● 自动编写回调
● 迁移学习和微调
● 使用TensorFlow Cloud训练Keras模型

TensorFlow Core

TensorFlow Core API 快速入门     (备用链接)]
使用 Core API 进行二元分类的逻辑回归     (备用链接)]

自定义

● 创建操作
● 生成随机数字

数据输入流水线

tf.data     (备用链接)]
● 优化流水线性能
● 分析流水线性能

保存模型

Checkpoint     (备用链接)]
SavedModel     (备用链接)]

加速器

● 分布式训练
● GPU
● TPU

性能

● 使用tf.function提升性能
● 分析TensorFlow的性能
● 优化GPU性能
● 图优化
● 混合精度

TensorFlow Serving(服务)

● TensorFlow Serving和Docker
● 安装
● 提供TensorFlow模型
● 高级模型服务器配置

*扩展

1.推荐系统
王树森推荐系统公开课 - 基于小红书的场景讲解工业界真实的推荐系统。
Recommender_System

2.YouTuBe推荐系统排序模型
以"DNN_for_YouTube_Recommendations"模型和电影评分数据集(ml-1m)为基础,详尽的展示了如何基于TensorFlow2实现推荐系统排序模型。
YouTube深度排序模型(多值embedding、多目标学习)

3.推荐系统推理服务
基于Goalng、Docker和微服务思想实现了高并发、高性能和高可用的推荐系统推理微服务,包括多种召回/排序服务,并提供多种接口访问方式(REST、gRPC和Dubbo)等,每日可处理上千万次推理请求。
推荐系统推理微服务Golang

4.机器学习 Sklearn入门教程
机器学习Sklearn入门教程

About

深度学习TensorFlow2入门指南。Deep Learning TensorFlow2 API and Examples with Python3 and Jupyter Notebook.

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published