TensorFlow官方文檔中文版入門指南pdf 最新完整版

TensorFlow官方文檔中文版入門指南，正如TensorFlow中的其他組件一樣，隊列就是TensorFlow圖中的節(jié)點，已經(jīng)成為試用新機器學(xué)習(xí)工具包的規(guī)范數(shù)據(jù)集。

TensorFlow介紹

2015年11月9日，Google發(fā)布人工智能系統(tǒng)TensorFlow并宣布開源，同日，極客學(xué)院組織在線TensorFlow中文文檔翻譯。

機器學(xué)習(xí)作為人工智能的一種類型，可以讓軟件根據(jù)大量的數(shù)據(jù)來對未來的情況進行闡述或預(yù)判。如今，領(lǐng)先的科技巨頭無不在機器學(xué)習(xí)下予以極大投入。Facebook、蘋果、微軟，甚至國內(nèi)的百度。Google 自然也在其中�！窽ensorFlow」是 Google 多年以來內(nèi)部的機器學(xué)習(xí)系統(tǒng)。如今，Google 正在將此系統(tǒng)成為開源系統(tǒng)，并將此系統(tǒng)的參數(shù)公布給業(yè)界工程師、學(xué)者和擁有大量編程能力的技術(shù)人員，這意味著什么呢？

打個不太恰當?shù)谋扔�，如�?Google 對待 TensorFlow 系統(tǒng)，有點類似于該公司對待旗下移動操作系統(tǒng) Android。如果更多的數(shù)據(jù)科學(xué)家開始使用 Google 的系統(tǒng)來從事機器學(xué)習(xí)方面的研究，那么這將有利于 Google 對日益發(fā)展的機器學(xué)習(xí)行業(yè)擁有更多的主導(dǎo)權(quán)。

為了讓國內(nèi)的技術(shù)人員在最短的時間內(nèi)迅速掌握這一世界領(lǐng)先的 AI 系統(tǒng)，極客學(xué)院 Wiki 團隊發(fā)起對 TensorFlow 官方文檔的中文協(xié)同翻譯，一周之內(nèi)，全部翻譯認領(lǐng)完成，一個月后，全部30章節(jié)翻譯校對完成，上線極客學(xué)院Wiki平臺并提供下載。

Google TensorFlow項目負責(zé)人Jeff Dean為該中文翻譯項目回信稱："看到能夠?qū)�TensorFlow翻譯成中文我非常激動，我們將TensorFlow開源的主要原因之一是為了讓全世界的人們能夠從機器學(xué)習(xí)與人工智能中獲益，類似這樣的協(xié)作翻譯能夠讓更多的人更容易地接觸到TensorFlow項目，很期待接下來該項目在全球范圍內(nèi)的應(yīng)用!"

Jeff回信原文：

入門指南

有關(guān)TensorFlow編程基礎(chǔ)知識的簡要介紹，參考以下指南：

Getting Started with TensorFlow

MNIST（一個大型的手寫體數(shù)字數(shù)據(jù)庫，譯者注）已經(jīng)成為試用新機器學(xué)習(xí)工具包的規(guī)范數(shù)據(jù)集。我們提供三個指南，每個指南都展示了在TensorFlow上訓(xùn)練MNIST模型的不同方法：

MNIST for ML beginners，通過高級API介紹MNIST.

Deep MNIST for Experts，比“MNIST for ML beginners”更深入，并且假定已經(jīng)熟悉機器學(xué)習(xí)概念。

TensorFlow Mechanics 101，通過低級別API介紹MNIST。

對于剛接觸TensorFlow的開發(fā)者，高級API是一個很好的開始。要了解高級API，請閱讀以下指南

* tf.contrib.learn Quickstart，介紹了這個API。

* Building Input Functions with tf.contrib.learn，讓你可以更復(fù)雜地使用這個API。

* Logging and Monitoring Basics with tf.contrib.learn，介紹如何審核模型訓(xùn)練的進度。

TensorBoard是機器學(xué)習(xí)的不同方面的可視化實用工具。以下指南說明如何使用TensorBoard：

TensorBoard：可視化學(xué)習(xí)，讓你開始使用。

TensorBoard: Embedding Visualization，演示了如何查看和與高維數(shù)據(jù)（如嵌入）進行交互。

TensorBoard：圖形可視化，解釋了如何可視化計算圖。圖形可視化通常更使用于程序員使用低級別API。