Tensorflow-101
嗨！在這裡我把Tensorflow 官網教學翻譯成中文以及我自己在 ipython 的實作程式碼記錄在 Jupyter Notebook 裡，歡迎大家取用．
Char RNN
word2vec
License
The MIT License (MIT)
Copyright (c) 2016 c1mone
Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.
-
在学习机器学习时，通常会遇到数据集的问题，墙就是一座翻不完的大山，感谢谷歌提供的数据集的包，再也不用担心数据集的问题了。其安装也非常简单，直接pip就行 pip install tensorflow-datasets 以下罗列了tensorflow-datasets现有的数据集。 audio "groove" "nsynth" image "abstract_reasoning" "caltech
-
Introduction TensorFlow™ is an open source software library for numerical computation using data flow graphs. Nodes in the graph represent mathematical operations, while the graph edges represent the
-
Tensorflow 是谷歌在 2015 年 11 月开源的机器学习框架，来源于 Google 内部的深度学习框架 DistBelief。由于其良好的架构、分布式架构支持以及简单易用，自开源以来得到广泛的关注。主要特点包括： 良好的架构，使用数据流图来进行数值计算 简单易用，并且社区还有很多的模型封装（比如 keras 和 skflow 等） 灵活高效，既可以使用 CPU，也可以使用 GPU 开放
-
TF install install cuda cuda 有很多版本，要仔细看清自己需要什么样的版本： TF cuda 版本对照 error import tensorflow出现：ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory 尝试使用下面方法解决： 在 PATH中
-
TensorFlow 是一个端到端开源机器学习平台。它拥有一个全面而灵活的生态系统，其中包含各种工具、库和社区资源，可助力研究人员推动先进机器学习技术的发展，并使开发者能够轻松地构建和部署由机器学习提供支持的应用。 轻松地构建模型 TensorFlow 提供多个抽象级别，因此您可以根据自己的需求选择合适的级别。您可以使用高阶 Keras API 构建和训练模型，该 API 让您能够轻松地开始使用
-
Code: tensorflow/g3doc/tutorials-mnist/ The goal of this tutorial is to show how to use TensorFlow to train and evaluate a simple feed-forward neural network for handwritten digit classification using
-
Keras是紧凑，易于学习的高级Python库，运行在TensorFlow框架之上。它的重点是理解深度学习技术，例如为神经网络创建维护形状和数学细节概念的层。freamework的创建可以是以下两种类型 - 顺序API 功能API 在Keras中创建深度学习模型有以下 8 个步骤 - 加载数据 预处理加载的数据 模型的定义 编译模型 指定模型 评估模型 进行必要的预测 保存模型 下面将使用Jupy