Skip to main content
Back to top
Ctrl
+
K
GitHub
知乎
简书
B站
领英
搜索
Ctrl
+
K
TensorFlow 官方教程
TensorFlow 教程
TensorFlow 快速上手
初学者的 TensorFlow 2.0 教程
专家的 TensorFlow 2 快速入门
tensorflow.keras
教程
基本分类：对服装图像进行分类
电影评论文本分类
使用 TensorFlow Hub 对电影评论进行文本分类
Basic regression: Predict fuel efficiency
过拟合与欠拟合
保存和恢复模型
Keras Tuner 简介
加载和预处理数据
加载 CSV 数据
加载和预处理图像
使用 tf.data 加载 NumPy 数据
加载 pandas DataFrame
加载文本
TFRecord 和 tf.Example
Unicode 字符串
加载视频数据
自定义
自定义基础知识：张量和运算
自定义层
自定义训练: 演示
分布式训练
使用 tf.distribute.Strategy 进行自定义训练
将 DTensor 与 Keras 一起使用
使用 DTensor 进行分布式训练
分布式输入
Keras 的分布式训练
使用 Keras 和 MultiWorkerMirroredStrategy 的自定义训练循环
利用 Estimator 进行多工作进程训练
利用 Keras 来训练多工作器（worker）
使用 ParameterServerStrategy 进行参数服务器训练
使用分布策略保存和加载模型
图像
图像分类
卷积神经网络（Convolutional Neural Network, CNN）
数据增强
图像分割
迁移学习和微调
使用 TensorFlow Hub 进行迁移学习
文本
使用视觉注意力生成图像描述
基于注意力的神经机器翻译
使用 RNN 进行文本分类
循环神经网络（RNN）文本生成
理解语言的 Transformer 模型
Warm-start embedding layer matrix
word2vec
单词嵌入向量
音频
Copyright 2021 The TensorFlow Authors.
Copyright 2020 The TensorFlow Authors.
Copyright 2021 The TensorFlow Authors.
视频
使用 MoViNet 进行视频分类的迁移学习
使用 3D 卷积神经网络 (CNN) 进行视频分类
结构化数据
对结构化数据进行分类
不平衡数据的分类
使用 Keras 预处理层对结构化数据进行分类
时间序列预测
生成式
使用 FGSM 的对抗样本
自编码器简介
卷积变分自编码器
CycleGAN
学习的数据压缩
深度卷积生成对抗网络
DeepDream
pix2pix：使用条件 GAN 进行图像到图像的转换
神经风格迁移
强化学习
使用 Actor-Critic 方法玩 CartPole 游戏
可解释性
积分梯度
使用 SNGP 进行不确定性感知深度学习
优化
可扩展的模型压缩
TensorFlow 指南
TensorFlow 基础知识
Eager Execution
张量简介
变量简介
梯度和自动微分简介
计算图和
tf.function
简介
模块、层和模型简介
基本训练循环
高级自动微分
不规则张量
使用稀疏张量
TensorFlow 上的 NumPy API
张量切片简介
tensorflow.keras
指南
编写自己的回调函数
通过子类化创建新的层和模型
自定义 Model.fit 的内容
函数式 API
Keras 中的遮盖和填充
使用预处理层
Keras 中的循环神经网络 (RNN)
保存和加载 Keras 模型
序贯模型
使用内置方法进行训练和评估
迁移学习和微调
从头编写训练循环
自定义
创建运算
生成随机数
TensorFlow 核心
使用 Core API 和 DTensor 进行分布式训练
使用 Core API 进行二元分类的逻辑回归
使用 Core API 进行矩阵逼近
使用 Core API 进行数字识别的多层感知器
使用 Core API 构建优化器
TensorFlow Core API 快速入门
保存模型
训练检查点
使用 SavedModel 格式
加速器
使用 TensorFlow 进行分布式训练
使用 GPU
使用 TPU
性能
使用 tf.function 时提升性能
使用 TensorFlow Profiler 优化 TensorFlow GPU 性能
使用 Grappler 优化 TensorFlow 计算图
混合精度
使用 Profiler 优化 TensorFlow 性能
迁移到 TF2
迁移示例：预设 Estimator
迁移检查点保存
迁移提前停止
迁移评估
迁移容错机制
将 LoggingTensorHook 和 StopAtStepHook 迁移到 Keras 回调
迁移指标和优化器
TF1.x -> TF2 迁移概述
迁移模型检查点
从 Estimator 迁移到 Keras API
将
tf.feature_column
迁移到 Keras 预处理层
调试 TensorFlow 2 迁移的训练流水线
迁移单工作进程多 GPU 训练
在 TF2 工作流中使用 TF1.x 模型
迁移多工作进程 CPU/GPU 训练
迁移 SavedModel 工作流
将 SessionRunHook 迁移到 Keras 回调
迁移 TensorBoard：TensorFlow 的呈现工具包
TensorFlow 1.x 对比 TensorFlow 2 - 行为和 API
将您的 TFLite 代码迁移到 TF2
从 TPU embedding_column 迁移到 TPUEmbedding 层
从 TPUEstimator 迁移到 TPUStrategy
自动重写 TF 1.x 和 compat.v1 API 符号
验证正确性和数值等价性
Estimator
扩展
DTensor 概念
高效的 TensorFlow 2
扩展程序类型
使用 JAX2TF 导入 JAX 模型
Keras：TensorFlow 的高级 API
自动将代码升级到 TensorFlow 2
TensorFlow 版本兼容性
TensorBoard
开始使用 TensorBoard
TensorBoard Scalar：在 Keras 中记录训练指标
在 TensorBoard 中显示图像数据
检查 TensorFlow 图
在 TensorBoard 中显示文本数据
使用 HParams 信息中心进行超参数调节
在 TensorBoard 中使用 Embedding Projector 呈现数据
使用 What-If Tool 仪表板理解模型
使用 Fairness Indicators 信息中心 [Beta] 评估模型
TensorFlow Profiler：剖析模型性能
在笔记本中使用 TensorBoard
作为 DataFrame 访问 TensorBoard 数据
使用 TensorBoard Debugger V2 调试 TensorFlow 程序中的数值问题
开始使用 TensorBoard.dev
将 tf.summary 用法迁移到 TF 2.x
TensorBoard：可视化学习
TensorBoard 通用数据 API 和实现
TensorBoard 通用数据提取
TensorFlow 强化学习
TensorFlow Agents
TensorFlow 强化学习教程
RL 和深度 Q 网络简介
Copyright 2023 The TF-Agents Authors.
使用 TF-Agents 训练深度 Q 网络
Copyright 2023 The TF-Agents Authors.
Copyright 2023 The TF-Agents Authors.
Copyright 2023 The TF-Agents Authors.
Copyright 2023 The TF-Agents Authors.
Copyright 2023 The TF-Agents Authors.
具有 Actor-Learner API 的 SAC Minitaur
Copyright 2023 The TF-Agents Authors.
Copyright 2023 The TF-Agents Authors.
Copyright 2023 The TF-Agents Authors.
Copyright 2023 The TF-Agents Authors.
Copyright 2023 The TF-Agents Authors.
Copyright 2023 The TF-Agents Authors.
TF-Agents 中的 RLDS 到 Reverb 实用工具
引用 TensorFlow
API Reference
tensorflow_book
.md
.pdf
动手学习 TensorFlow
目录
动手学习 TensorFlow
索引和表格
动手学习 TensorFlow
#
学无止境！
排版尽可能遵循：
中文文案排版指北
。
索引和表格
#
索引
模块索引
搜索页面
目录
动手学习 TensorFlow
索引和表格
