免费视频淫片aa毛片_日韩高清在线亚洲专区vr_日韩大片免费观看视频播放_亚洲欧美国产精品完整版

【導(dǎo)讀】 TensorFlow 2.0 于近期正式發(fā)布后，立即受到學(xué)術(shù)界與科研界的廣泛關(guān)注與好評(píng)。此前，AI 科技大本營曾特邀專家回顧了 TensorFlow 2.0 從初版到最新版本的發(fā)展史。今天，我們將介紹一本全面詳解 TensorFlow 2.0 的手冊。這本手冊是 Google Summer of Code 2019 項(xiàng)目之一，從基礎(chǔ)安裝與環(huán)境配置、部署，到大規(guī)模訓(xùn)練與加速、擴(kuò)展，全方位講解 TensorFlow 2.0  的入門要點(diǎn)，并附錄相關(guān)資料供讀者參考。

 

      

前言

適用群體 

• 已有一定機(jī)器學(xué)習(xí) / 深度學(xué)習(xí)基礎(chǔ)，希望將所學(xué)理論知識(shí)使用 TensorFlow 進(jìn)行具體實(shí)現(xiàn)的學(xué)生和研究者；
• 曾使用或正在使用 TensorFlow 1.X 版本或其他深度學(xué)習(xí)框架（比如 PyTorch），希望了解 TensorFlow 2.0 新特性的開發(fā)者；
• 希望將已有的 TensorFlow 模型應(yīng)用于業(yè)界的開發(fā)者或工程師。

TensorFlow 概述

• 學(xué)生和研究者：模型的建立與訓(xùn)練
• 開發(fā)者和工程師：模型的調(diào)用與部署
• TensorFlow 能幫助我們做什么？

基礎(chǔ)

• TensorFlow 安裝與環(huán)境配置

• 一般安裝步驟
• GPU 版本 TensorFlow 安裝指南
• GPU 硬件的準(zhǔn)備
• NVIDIA 驅(qū)動(dòng)程序的安裝
• CUDA Toolkit 和 cnDNN 的安裝
• 第一個(gè)程序
• IDE 設(shè)置
• TensorFlow 所需的硬件配置 *
• TensorFlow 基礎(chǔ)

• TensorFlow 1+1
• 自動(dòng)求導(dǎo)機(jī)制
• 基礎(chǔ)示例：線性回歸
• NumPy 下的線性回歸
• TensorFlow 下的線性回歸
• TensorFlow 模型建立與訓(xùn)練

• 模型（Model）與層（Layer）
• 基礎(chǔ)示例：多層感知機(jī)（MLP）
• 數(shù)據(jù)獲取及預(yù)處理：tf.keras.datasets
• 模型的構(gòu)建：tf.keras.Model 和 tf.keras.layers
• 模型的訓(xùn)練：tf.keras.losses 和 tf.keras.optimizer
• 模型的評(píng)估：tf.keras.metrics
• 卷積神經(jīng)網(wǎng)絡(luò)（CNN）
• 使用 Keras 實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)
• 使用 Keras 中預(yù)定義的經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
• 循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）
• 深度強(qiáng)化學(xué)習(xí)（DRL）
• Keras Pipeline *
• Keras Sequential/Functional API 模式建立模型
• 使用 Keras Model 的 compile 、 fit 和 evaluate 方法訓(xùn)練和評(píng)估模型
• 自定義層、損失函數(shù)和評(píng)估指標(biāo) *
• 自定義層
• 自定義損失函數(shù)和評(píng)估指標(biāo)
• TensorFlow 常用模塊
• tf.train.Checkpoint ：變量的保存與恢復(fù)
• TensorBoard：訓(xùn)練過程可視化
• tf.data ：數(shù)據(jù)集的構(gòu)建與預(yù)處理
• 數(shù)據(jù)集對(duì)象的建立
• 數(shù)據(jù)集對(duì)象的預(yù)處理
• 數(shù)據(jù)集元素的獲取與使用
• 實(shí)例：cats_vs_dogs 圖像分類
• @tf.function ：Graph Execution 模式 *
• @tf.function 基礎(chǔ)使用方法
• @tf.function 內(nèi)在機(jī)制
• AutoGraph：將 Python 控制流轉(zhuǎn)換為 TensorFlow 計(jì)算圖
• 使用傳統(tǒng)的 tf.Session
• tf.TensorArray ：TensorFlow 動(dòng)態(tài)數(shù)組 *
• tf.config：GPU 的使用與分配 *
• 指定當(dāng)前程序使用的 GPU
• 設(shè)置顯存使用策略
• 單 GPU 模擬多 GPU 環(huán)境

部署

• TensorFlow 模型導(dǎo)出
• 使用 SavedModel 完整導(dǎo)出模型
• Keras Sequential save 方法（Jinpeng）
• TensorFlow Serving
• TensorFlow Serving 安裝
• TensorFlow Serving 模型部署
• Keras Sequential 模式模型的部署
• 自定義 Keras 模型的部署
• 在客戶端調(diào)用以 TensorFlow Serving 部署的模型
• Python 客戶端示例
• Node.js 客戶端示例（Ziyang）
• TensorFlow Lite（Jinpeng）
• 模型轉(zhuǎn)換
• Android 部署
• Quantization 模型轉(zhuǎn)換
• 總結(jié)
• TensorFlow in JavaScript（Huan）
• TensorFlow.js 簡介
• 瀏覽器中使用 TensorFlow.js 的優(yōu)勢
• TensorFlow.js 性能對(duì)比
• TensorFlow.js 環(huán)境配置
• 在瀏覽器中使用 TensorFlow.js
• 在 Node.js 中使用 TensorFlow.js
• 在微信小程序中使用 TensorFlow.js
• TensorFlow.js 模型部署
• 通過 TensorFlow.js 加載 Python 模型
• 使用 TensorFlow.js 模型庫
• TensorFlow.js 模型訓(xùn)練 *

大規(guī)模訓(xùn)練與加速

• TensorFlow 分布式訓(xùn)練

• 單機(jī)多卡訓(xùn)練：MirroredStrategy
• 多機(jī)訓(xùn)練：MultiWorkerMirroredStrategy
• 使用 TPU 訓(xùn)練 TensorFlow 模型（Huan）

• TPU 簡介
• 什么是 TPU
• 為什么使用 TPU
• TPU 性能
• TPU 環(huán)境配置
• 免費(fèi) TPU：Google Colab
• Cloud TPU
• TPU 基礎(chǔ)使用

擴(kuò)展

• TensorFlow Hub 模型復(fù)用（Jinpeng）
• TensorFlow Datasets 數(shù)據(jù)集載入
• Swift for TensorFlow (S4TF) (Huan）
• S4TF 簡介
• 為什么要使用 Swift 進(jìn)行 Tensorflow 開發(fā)
• S4TF 環(huán)境配置
• 本地安裝 Swift for Tensorflow
• 在 Colaboratory 中快速體驗(yàn) Swift for Tensorflow
• 在 Docker 中快速體驗(yàn) Swift for TensorFlow
• S4TF 基礎(chǔ)使用
• 在 Swift 中使用標(biāo)準(zhǔn)的 TensorFlow API
• 在 Swift 中直接加載 Python 語言庫
• 語言原生支持自動(dòng)微分
• MNIST 數(shù)字分類
• TensorFlow in Julia（Ziyang）
• TensorFlow.jl 簡介
• 為什么要使用 Julia ？
• TensorFlow.jl 環(huán)境配置
• 在 docker 中快速體驗(yàn) TensorFlow.jl
• 在 julia 包管理器中安裝 TensorFlow.jl
• TensorFlow.jl 基礎(chǔ)使用
• MNIST 數(shù)字分類

附錄

• 圖模型下的 TensorFlow
• TensorFlow 1+1
• 基礎(chǔ)示例：線性回歸
• 使用 Docker 部署 TensorFlow 環(huán)境
• 在云端使用 TensorFlow
• 在 Colab 中使用 TensorFlow
• 在 Google Cloud Platform（GCP）中使用 TensorFlow
• 在 Compute Engine 建立帶 GPU 的實(shí)例并部署 TensorFlow
• 使用 AI Platform 中的 Notebook 建立帶 GPU 的在線 JupyterLab 環(huán)境
• 在阿里云上使用 GPU 實(shí)例運(yùn)行 Tensorflow（Ziyang）
• 部署自己的交互式 Python 開發(fā)環(huán)境 JupyterLab
• TensorFlow 性能優(yōu)化