TensorFlow 官方教程#
参考：docs-l10n
TensorFlow 官方教程比较混乱（特别是 tf.keras），各个版本接口不统一，存在大量不兼容版本的教程。
- TensorFlow 教程
- TensorFlow 快速上手
tensorflow.keras教程- 加载和预处理数据
- 自定义
- 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
- 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
- 设置输入流水线（input pipeline）
- 位置编码（Positional encoding）
- 遮挡（Masking）
- 按比缩放的点积注意力（Scaled dot product attention）
- 多头注意力（Multi-head attention）
- 点式前馈网络（Point wise feed forward network）
- 编码与解码（Encoder and decoder）
- 创建 Transformer
- 配置超参数（hyperparameters）
- 优化器（Optimizer）
- 损失函数与指标（Loss and metrics）
- 训练与检查点（Training and checkpointing）
- 评估（Evaluate）
- 总结
- Warm-start embedding layer matrix
- word2vec
- 单词嵌入向量
- 音频
- 视频
- 结构化数据
- 生成式
- 强化学习
- 可解释性
- 优化
- 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
- 后续步骤
- 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
- TensorFlow 核心
- 保存模型
- 加速器
- 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
- 后续步骤
- TensorFlow 1.x 对比 TensorFlow 2 - 行为和 API
- 将您的 TFLite 代码迁移到 TF2
- 延伸阅读
- 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
- 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
- 下载 Fashion-MNIST 数据集
- 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
- Keras 嵌入向量层
- 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.
- Checkpointer 和 PolicySaver
- 使用 TF-Agents 训练深度 Q 网络
- Copyright 2023 The TF-Agents Authors.
- 环境
- Copyright 2023 The TF-Agents Authors.
- 策略
- Copyright 2023 The TF-Agents Authors.
- 驱动程序
- Copyright 2023 The TF-Agents Authors.
- 回放缓冲区
- Copyright 2023 The TF-Agents Authors.
- REINFORCE 代理
- 具有 Actor-Learner API 的 SAC Minitaur
- Copyright 2023 The TF-Agents Authors.
- 网络
- Copyright 2023 The TF-Agents Authors.
- DQN C51/Rainbow
- Copyright 2023 The TF-Agents Authors.
- TF-Agents 中的多臂老虎机教程
- 简介
- 环境
- 策略
- 代理
- 轨迹
- 训练代理
- 真实上下文老虎机示例
- 后续步骤
- Copyright 2023 The TF-Agents Authors.
- 多手柄老虎机简介
- Copyright 2023 The TF-Agents Authors.
- 具有按臂特征的多臂老虎机教程
- Copyright 2023 The TF-Agents Authors.
- TF-Agents 中的排名教程
- 简介
- 前提条件
- 排名问题及其变体
- 与探索
- 模拟用户：我们的测试环境
- 后续步骤
- TF-Agents 中的 RLDS 到 Reverb 实用工具
- 引用 TensorFlow