TensorFlow 2.0简易教程

目录

• 前言
  • 本书的适用群体
  • 如何使用本书
  • 致谢
• TensorFlow 概述
  • 学生和研究者：模型的建立与训练
  • 开发者和工程师：模型的调用与部署
  • TensorFlow 能帮助我们做什么？

基础

• TensorFlow 安装与环境配置
  • 一般安装步骤
  • GPU 版本 TensorFlow 安装指南
    • GPU 硬件的准备
    • NVIDIA 驱动程序的安装
    • CUDA Toolkit 和 cuDNN 的安装
  • 第一个程序
  • IDE 设置
  • TensorFlow 所需的硬件配置 *
• TensorFlow 基础
  • TensorFlow 1+1
  • 自动求导机制
  • 基础示例：线性回归
    • NumPy 下的线性回归
    • TensorFlow 下的线性回归
• TensorFlow 模型建立与训练
  • 模型（Model）与层（Layer）
  • 基础示例：多层感知机（MLP）
    • 数据获取及预处理： tf.keras.datasets
    • 模型的构建： tf.keras.Model 和 tf.keras.layers
    • 模型的训练： tf.keras.losses 和 tf.keras.optimizer
    • 模型的评估： tf.keras.metrics
  • 卷积神经网络（CNN）
    • 使用 Keras 实现卷积神经网络
    • 使用 Keras 中预定义的经典卷积神经网络结构
  • 循环神经网络（RNN）
  • 深度强化学习（DRL）
  • Keras Pipeline *
    • Keras Sequential/Functional API 模式建立模型
    • 使用 Keras Model 的 compile 、 fit 和 evaluate 方法训练和评估模型
  • 自定义层、损失函数和评估指标 *
    • 自定义层
    • 自定义损失函数和评估指标
• TensorFlow 常用模块
  • tf.train.Checkpoint ：变量的保存与恢复
  • TensorBoard：训练过程可视化
  • tf.data ：数据集的构建与预处理
    • 数据集对象的建立
    • 数据集对象的预处理
    • 数据集元素的获取与使用
    • 实例：cats_vs_dogs 图像分类
  • @tf.function ：Graph Execution 模式 *
    • @tf.function 基础使用方法
    • @tf.function 内在机制
    • AutoGraph：将 Python 控制流转换为 TensorFlow 计算图
    • 使用传统的 tf.Session
  • tf.TensorArray ：TensorFlow 动态数组 *
  • tf.config：GPU 的使用与分配 *
    • 指定当前程序使用的 GPU
    • 设置显存使用策略
    • 单 GPU 模拟多 GPU 环境

部署

• TensorFlow 模型导出
  • 使用 SavedModel 完整导出模型
  • Keras Sequential save 方法（Jinpeng）
• TensorFlow Serving
  • TensorFlow Serving 安装
  • TensorFlow Serving 模型部署
    • Keras Sequential 模式模型的部署
    • 自定义 Keras 模型的部署
  • 在客户端调用以 TensorFlow Serving 部署的模型
    • Python 客户端示例
    • Node.js 客户端示例（Ziyang）
• TensorFlow Lite（Jinpeng）
  • 模型转换
  • Android 部署
  • Quantization 模型转换
  • 总结
• TensorFlow in JavaScript（Huan）
  • TensorFlow.js 简介
    • 浏览器中使用 TensorFlow.js 的优势
    • TensorFlow.js 性能对比
  • TensorFlow.js 环境配置
    • 在浏览器中使用 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
    • 通过 TensorFlow.js 加载 Python 模型
    • 使用 TensorFlow.js 模型库
  • TensorFlow.js 模型训练 *

大规模训练与加速

• TensorFlow 分布式训练
  • 单机多卡训练： MirroredStrategy
  • 多机训练： MultiWorkerMirroredStrategy
• 使用 TPU 训练 TensorFlow 模型（Huan）
  • TPU 简介
    • 什么是 TPU
    • 为什么使用 TPU
    • TPU 性能
  • TPU 环境配置
    • 免费 TPU：Google Colab
    • Cloud TPU
  • TPU 基础使用

扩展

• TensorFlow Hub 模型复用（Jinpeng）
• TensorFlow Datasets 数据集载入
• Swift for TensorFlow (S4TF) (Huan）
  • S4TF 简介
    • 为什么要使用 Swift 进行 Tensorflow 开发
  • S4TF 环境配置
    • 本地安装 Swift for Tensorflow
    • 在 Colaboratory 中快速体验 Swift for Tensorflow
    • 在 Docker 中快速体验 Swift for TensorFlow
  • S4TF 基础使用
    • 在 Swift 中使用标准的 TensorFlow API
    • 在 Swift 中直接加载 Python 语言库
    • 语言原生支持自动微分
    • MNIST 数字分类
• TensorFlow in Julia（Ziyang）
  • TensorFlow.jl 简介
    • 为什么要使用 Julia ？
  • TensorFlow.jl 环境配置
    • 在 docker 中快速体验 TensorFlow.jl
    • 在 julia 包管理器中安装 TensorFlow.jl
  • TensorFlow.jl 基础使用
    • MNIST 数字分类

附录

• 图模型下的 TensorFlow
  • TensorFlow 1+1
  • 基础示例：线性回归
• 使用 Docker 部署 TensorFlow 环境
• 在云端使用 TensorFlow
  • 在 Colab 中使用 TensorFlow
  • 在 Google Cloud Platform（GCP）中使用 TensorFlow
    • 在 Compute Engine 建立带 GPU 的实例并部署 TensorFlow
    • 使用 AI Platform 中的 Notebook 建立带 GPU 的在线 JupyterLab 环境
  • 在阿里云上使用 GPU 实例运行 Tensorflow（Ziyang）
• 部署自己的交互式 Python 开发环境 JupyterLab
• TensorFlow 性能优化
• 参考资料与推荐阅读
• 术语中英对照表

答疑区

• （中文）TensorFlow 中文社区 “简单粗暴 TensorFlow” 版面： https://www.tensorflowers.cn/b/48 （中文的疑问和建议请来此处，将以中文回答和讨论。欢迎使用中文的开发者们前来 TensorFlow 中文社区交流讨论）

• （英文）https://github.com/snowkylin/tensorflow-handbook/releases （英文的疑问或建议可在 GitHub issue 中提出，会以英文回答）

PDF 下载（旧版）：

• 中文版：https://www.tensorflowers.cn/t/6230 （同时也有英文版下载）

• 英文版：https://github.com/snowkylin/tensorflow-handbook/releases

GitHub: https://github.com/snowkylin/tensorflow-handbook

Q&A area

• (Chinese) TensorFlow Chinese community “A Concise Handbook of TensorFlow” forum: https://www.tensorflowers.cn/b/48

• (English) https://github.com/snowkylin/tensorflow-handbook/issues

PDF download (old version):

• Chinese version: https://www.tensorflowers.cn/t/6230

• English version: https://github.com/snowkylin/tensorflow-handbook/releases

GitHub: https://github.com/snowkylin/tensorflow-handbook

Indices and tables

• 索引

• 模块索引

• 搜索页面