精通 TensorFlow 1.x 中文版（初稿）

• TensorFlow 101

• 什么是 TensorFlow？
• TensorFlow 核心
• 代码预热 – Hello TensorFlow
• 张量
• 常量
• 操作
• 占位符
• 从 Python 对象创建张量
• 变量
• 从库函数生成的张量
• 使用相同的值填充张量元素
• 用序列填充张量元素
• 使用随机分布填充张量元素
• 使用tf.get_variable()获取变量
• 数据流图或计算图
• 执行顺序和延迟加载
• 跨计算设备执行图 – CPU 和 GPU
• 将图节点放置在特定的计算设备上
• 简单放置
• 动态展示位置
• 软放置
• GPU 内存处理
• 多个图
• TensorBoard
• TensorBoard 最小的例子
• TensorBoard 详情
• 总结

• TensorFlow 的高级库

• TF Estimator – 以前的 TF 学习
• TF Slim
• TFLearn
• 创建 TFLearn 层
• TFLearn 核心层
• TFLearn 卷积层
• TFLearn 循环层
• TFLearn 正则化层
• TFLearn 嵌入层
• TFLearn 合并层
• TFLearn 估计层
• 创建 TFLearn 模型
• TFLearn 模型的类型
• 训练 TFLearn 模型
• 使用 TFLearn 模型
• PrettyTensor
• Sonnet
• 总结

• Keras 101

• 安装 Keras
• Keras 中的神经网络模型
• 在 Keras 建立模型的工作流程
• 创建 Keras 模型
• 用于创建 Keras 模型的顺序 API
• 用于创建 Keras 模型的函数式 API
• Keras 层
• Keras 核心层
• Keras 卷积层
• Keras 池化层
• Keras 本地连接层
• Keras 循环层
• Keras 嵌入层
• Keras 合并层
• Keras 高级激活层
• Keras 正则化层
• Keras 噪音层
• 将层添加到 Keras 模型
• 用于将层添加到 Keras 模型的顺序 API
• 用于向 Keras 模型添加层的函数式 API
• 编译 Keras 模型
• 训练 Keras 模型
• 使用 Keras 模型进行预测
• Keras 的附加模块
• MNIST 数据集的 Keras 序列模型示例
• 总结

• 使用 TensorFlow 进行经典机器学习

• 简单的线性回归
• 数据准备
• 构建一个简单的回归模型
• 定义输入，参数和其他变量
• 定义模型
• 定义损失函数
• 定义优化器函数
• 训练模型
• 使用训练的模型进行预测
• 多元回归
• 正则化回归
• 套索正则化
• 岭正则化
• ElasticNet 正则化
• 使用逻辑回归进行分类
• 二分类的逻辑回归
• 多类分类的逻辑回归
• 二分类
• 多类分类
• 总结

• 使用 TensorFlow 和 Keras 的神经网络和 MLP

• 感知机
• 多层感知机
• 用于图像分类的 MLP
• 用于 MNIST 分类的基于 TensorFlow 的 MLP
• 用于 MNIST 分类的基于 Keras 的 MLP
• 用于 MNIST 分类的基于 TFLearn 的 MLP
• 使用 TensorFlow，Keras 和 TFLearn 的 MLP 总结
• 用于时间序列回归的 MLP
• 总结

• 使用 TensorFlow 和 Keras 的 RNN

• 简单循环神经网络
• RNN 变种
• LSTM 网络
• GRU 网络
• TensorFlow RNN
• TensorFlow RNN 单元类
• TensorFlow RNN 模型构建类
• TensorFlow RNN 单元包装器类
• 适用于 RNN 的 Keras
• RNN 的应用领域
• 用于 MNIST 数据的 Keras 中的 RNN
• 总结

• 使用 TensorFlow 和 Keras 的时间序列数据的 RNN

• 航空公司乘客数据集
• 加载 airpass 数据集
• 可视化 airpass 数据集
• 使用 TensorFlow RNN 模型预处理数据集
• TensorFlow 中的简单 RNN
• TensorFlow 中的 LSTM
• TensorFlow 中的 GRU
• 使用 Keras RNN 模型预处理数据集
• 使用 Keras 的简单 RNN
• 使用 Keras 的 LSTM
• 使用 Keras 的 GRU
• 总结

• 使用 TensorFlow 和 Keras 的文本数据的 RNN

• 词向量表示
• 为 word2vec 模型准备数据
• 加载和准备 PTB 数据集
• 加载和准备 text8 数据集
• 准备小验证集
• 使用 TensorFlow 的 skip-gram 模型
• 使用 t-SNE 可视化单词嵌入
• keras 的 skip-gram 模型
• 使用 TensorFlow 和 Keras 中的 RNN 模型生成文本
• TensorFlow 中的 LSTM 文本生成
• Keras 中的 LSTM 文本生成
• 总结

• 使用 TensorFlow 和 Keras 的 CNN

• 理解卷积
• 了解池化
• CNN 架构模式 – LeNet
• 用于 MNIST 数据的 LeNet
• 使用 TensorFlow 的用于 MNIST 的 LeNet CNN
• 使用 Keras 的用于 MNIST 的 LeNet CNN
• 用于 CIFAR10 数据的 LeNet
• 使用 TensorFlow 的用于 CIFAR10 的 ConvNets
• 使用 Keras 的用于 CIFAR10 的 ConvNets
• 总结

• 使用 TensorFlow 和 Keras 的自编码器

• 自编码器类型
• TensorFlow 中的栈式自编码器
• Keras 中的栈式自编码器
• TensorFlow 中的去噪自编码器
• Keras 中的去噪自编码器
• TensorFlow 中的变分自编码器
• Keras 中的变分自编码器
• 总结

• TF 服务：生产中的 TensorFlow 模型

• 在 TensorFlow 中保存和恢复模型
• 使用保护程序类保存和恢复所有图变量
• 使用保护程序类保存和恢复所选变量
• 保存和恢复 Keras 模型
• TensorFlow 服务
• 安装 TF 服务
• 保存 TF 服务的模型
• 提供 TF 服务模型
• 在 Docker 容器中提供 TF 服务
• 安装 Docker
• 为 TF 服务构建 Docker 镜像
• 在 Docker 容器中提供模型
• Kubernetes 中的 TensorFlow 服务
• 安装 Kubernetes
• 将 Docker 镜像上传到 dockerhub
• 在 Kubernetes 部署
• 总结

• 迁移学习和预训练模型

• ImageNet 数据集
• 再训练或微调模型
• COCO 动物数据集和预处理图像
• TensorFlow 中的 VGG16
• 使用 TensorFlow 中预训练的 VGG16 进行图像分类
• TensorFlow 中的图像预处理，用于预训练的 VGG16
• 使用 TensorFlow 中的再训练的 VGG16 进行图像分类
• Keras 的 VGG16
• 使用 Keras 中预训练的 VGG16 进行图像分类
• 使用 Keras 中再训练的 VGG16 进行图像分类
• TensorFlow 中的 Inception v3
• 使用 TensorFlow 中的 Inception v3 进行图像分类
• 使用 TensorFlow 中的再训练的 Inception v3 进行图像分类
• 总结

• 深度强化学习

• OpenAI Gym 101
• 将简单的策略应用于 cartpole 游戏
• 强化学习 101
• Q 函数（在模型不可用时学习优化）
• RL 算法的探索与开发
• V 函数（模型可用时学习优化）
• 强化学习技巧
• 强化学习的朴素神经网络策略
• 实现 Q-Learning
• Q-Learning 的初始化和离散化
• 使用 Q-Table 进行 Q-Learning
• Q-Network 或深 Q 网络（DQN）的 Q-Learning
• 总结

• 生成性对抗网络

• 生成性对抗网络 101
• 建立和训练 GAN 的最佳实践
• 使用 TensorFlow 的简单的 GAN
• 使用 Keras 的简单的 GAN
• 使用 TensorFlow 和 Keras 的深度卷积 GAN
• 总结

• 使用 TensorFlow 集群的分布式模型

• 分布式执行策略
• TensorFlow 集群
• 定义集群规范
• 创建服务器实例
• 定义服务器和设备之间的参数和操作
• 定义并训练图以进行异步更新
• 定义并训练图以进行同步更新
• 总结

• 移动和嵌入式平台上的 TensorFlow 模型

• 移动平台上的 TensorFlow
• Android 应用中的 TF Mobile
• Android 上的 TF Mobile 演示
• iOS 应用中的 TF Mobile
• iOS 上的 TF Mobile 演示
• TensorFlow Lite
• Android 上的 TF Lite 演示
• iOS 上的 TF Lite 演示
• 总结

• R 中的 TensorFlow 和 Keras

• 在 R 中安装 TensorFlow 和 Keras 软件包
• R 中的 TF 核心 API
• R 中的 TF 估计器 API
• R 中的 Keras API
• R 中的 TensorBoard
• R 中的 tfruns 包
• 总结

• 调试 TensorFlow 模型

• 使用tf.Session.run()获取张量值
• 使用tf.Print()打印张量值
• 用tf.Assert()断言条件
• 使用 TensorFlow 调试器（tfdbg）进行调试
• 总结

• 张量处理单元

服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net

相关推荐: 远程desk工具利用总结

在平时打web或者打内网时难免遇到一种情况，就是需要以当前用户身份，通过远程桌面的形式操控主机。已达到退杀软、操控聊天软件以及其他需要交互式的操作，这个时候就需要借助远程桌面软件来操控目标机。 NO.1 Todesk 根据目标软件安装情况有以下两种利用方法 1…