บทช่วยสอน TensorFlow เขียนเป็นสมุดบันทึก Jupyter และเรียกใช้โดยตรงใน Google Colab ซึ่งเป็นสภาพแวดล้อมสมุดบันทึกที่โฮสต์ซึ่งไม่จำเป็นต้องตั้งค่า ที่ด้านบนของบทแนะนำแต่ละรายการ คุณจะเห็นปุ่ม เรียกใช้ใน Google Colab คลิกปุ่มเพื่อเปิดสมุดบันทึกและรันโค้ดด้วยตัวเอง
สำหรับผู้เริ่มต้น
จุดเริ่มต้นที่ดีที่สุดคือการใช้ Keras sequential API ที่เป็นมิตรกับผู้ใช้ สร้างแบบจำลองโดยการต่อหน่วยการสร้างเข้าด้วยกัน หลังจากบทช่วยสอนเหล่านี้ อ่าน คู่มือ Kerasเริ่มต้นอย่างรวดเร็วเริ่มต้น
นี้ "สวัสดีชาวโลก!" notebook แสดง Keras Sequential API และmodel.fit
พื้นฐาน Keras
คอลเลกชันสมุดบันทึกนี้สาธิตงานการเรียนรู้ของเครื่องขั้นพื้นฐานโดยใช้ Kerasโหลดข้อมูล
บทช่วยสอนเหล่านี้ใช้tf.data เพื่อโหลดรูปแบบข้อมูลต่างๆ และสร้างไพพ์ไลน์อินพุต
สำหรับผู้เชี่ยวชาญ
API การทำงานและคลาสย่อยของ Keras จัดเตรียมอินเทอร์เฟซแบบกำหนดโดยรันสำหรับการปรับแต่งและการวิจัยขั้นสูง สร้างแบบจำลองของคุณ จากนั้นเขียนการส่งต่อและย้อนกลับ สร้างเลเยอร์แบบกำหนดเอง การเปิดใช้งาน และลูปการฝึกการเริ่มต้นอย่างรวดเร็วขั้นสูง
นี้ "สวัสดีชาวโลก!" โน้ตบุ๊กใช้ Keras subclassing API และลูปการฝึกแบบกำหนดเองการปรับแต่ง
คอลเลกชั่นสมุดบันทึกนี้แสดงวิธีสร้างเลเยอร์ที่กำหนดเองและลูปการฝึกใน TensorFlowอบรมแบบกระจาย
แจกจ่ายการฝึกโมเดลของคุณใน GPU หลายตัว หลายเครื่อง หรือ TPU
ส่วนขั้นสูงมีตัวอย่างสมุดบันทึกที่เป็นประโยชน์มากมาย รวมถึง การแปลด้วยเครื่องประสาท , Transformers และ CycleGAN