TensorFlow入门教程整合（持续更新）

2019年7月14日 200次阅读 来源: Elijha

(2019.3.4更新)

很久不看TF的教程, 今天发现现在官网的tutorial大变样, 竟然支持在线写代码了.

TensorFlow官方tutorial

TensorFlow API doc

《TensorFlow入门教程整合（持续更新）》
《TensorFlow入门教程整合（持续更新）》 TF的官方tutorial, 这里面有5个例子, 外加右边一个非常基本的分类问题代码示例

在tutorial里面, Get Started with TensorFlow这一节给了5个非常基础的machine learning (ML)的demo, 而且配上了非常详细的解释(竟然还是中文, 比几年前我入门的时候先进多了).

在跑这5个demo之前呢, 我建议先跑一下右边的这个代码. Google提供了一个叫Colaboratory的工具, 这个工具基于Jupyter这个工具, 让我们可以在线写代码并且运行, 这对于刚刚入门Deep learning (DL)而且没有计算资源的同学是非常棒的.

这个demo是训练一个手写体数字的分类网络 (识别每张图片是0~9这十个数字中的哪一个), 数据集叫做MNIST. 这应该是所有入门DL的同学都做过的一个实验, 因为问题简单, 很快就可以训练完, 而且准确率还低不了. 点击那个”Run code now”, 就进入到colaboratory中.

现在TF在强推keras (当年是一个基于TensorFlow, 进行了更高级封装的一个python package, 后来被TF收编了), 所以这个代码是用keras写的. 下面我稍微将一下这段代码的功能.

  1. 第一段代码是一堆import, 就是导入我们下面程序会用到的package.
  2. 第二段是导入了数据集. 一般来说, 数据集是需要我们自己下载和处理的, 但是因为mnist这个数据集太常见了, 所以keras已经都包含进去了.
mnist = tf.keras.datasets.mnist  #从keras中导入mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data() #通过mnist.load_data这个API导入训练集和测试集
x_train, x_test = x_train / 255.0, x_test / 255.0 #把图片的像素值由0~255转换为0~1. 一般来说, 神经网络的输入都归一化0~1或者-1~1, 这样可以让数值更稳定

3. 接下来, 要搭建我们的神经网络模型了. 这里的神经网络很简单, 就是一个两层的全连接.

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)), #把输入展平, 即把28*28的矩阵reshape成为一个784维的向量
  tf.keras.layers.Dense(512, activation=tf.nn.relu), #第一个全连接层, 输出通道数为512 (即权重矩阵为784*512)
  tf.keras.layers.Dropout(0.2), #加一层dropout, 对网络进行正则化(不懂什么是dropout的同学可以先无视, 甚至把这句去掉, 应该对结果影响不大)
  tf.keras.layers.Dense(10, activation=tf.nn.softmax) #第二个全连接层, 输出通道为10 (对应着0~9的10个类). softmax是一个激活函数, 可以把着10个数的和缩放成1, 这样这10个数组成的向量就可以看做是一个10类的概率分布了
])

model.compile(optimizer='adam', #训练网络时用adam优化器
              loss='sparse_categorical_crossentropy', #loss函数为交叉熵
              metrics=['accuracy']) #测试指标为准确率

4. 最后一部分就是训练和测试了:

model.fit(x_train, y_train, epochs=5) #训练模型, 输入是x_train, 对应的标准答案(label)是y_train; 训练5个epoch, 就是说把整个数据集过网络5遍然后结束训练

model.evaluate(x_test, y_test) #测试网络, x_test是测试集的输入, y_test是测试集每个x对应的label

到此这个demo就结束了. 我上面还给出了TF官方API doc的链接, 里面对每一个API都有着详细的解释, 建议大家边读代码边对应去查API的功能, 这样对掌握TF这个框架非常有帮助.

做完这些, 就可以去看剩下的5个教程了. 这5个问题都是DL里的入门问题, 一定要认真理解~

—————-原文分割线——————————————————————-

TensorFlow中文社区

这是tf的中文网站，里面也有API文档，但是主要是看它的中文教程。

对神经网络有一定了解，但是对于TF编程零基础的同学可以先完成以下两个教程：

DevDocs – TensorFlow Python documentation

DevDocs是一个整合了各种编程语言API文档的网站，因为TensorFlow官网被墙打不开，所以大致可以用这个替代。

    原文作者：Elijha
    原文地址: https://zhuanlan.zhihu.com/p/31858280
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞