Skip to main content
Ctrl+K
tensorflow-book 0.0.1 文档 - Home tensorflow-book 0.0.1 文档 - Home
  • GitHub
  • 知乎
  • 简书
  • B站
  • 博客园
  • 领英
  • 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

索引

_ | M | T

_

  • __version__()（在 tensorflow_book 模块中）

M

  • module
    • tensorflow_book

T

  • tensorflow_book
    • module

作者： xinetzone

© Copyright 2021, xinetzone.

© Copyright 2021, xinetzone.

由 Sphinx 8.1.3创建。