如果你是機器學(xué)習(xí)領(lǐng)域的新手, 我們推薦你從本文開始閱讀. 本文通過講述一個經(jīng)典的問題, 手寫數(shù)字識別 (MNIST), 讓你對多類分類 (multiclass classification) 問題有直觀的了解.
如果你已經(jīng)對其它深度學(xué)習(xí)軟件比較熟悉, 并且也對 MNIST 很熟悉, 這篇教程能夠引導(dǎo)你對 TensorFlow 有初步了解.
這是一篇技術(shù)教程, 詳細(xì)介紹了如何使用 TensorFlow 架構(gòu)訓(xùn)練大規(guī)模模型. 本文繼續(xù)使用MNIST 作為例子.
這篇文章介紹了如何使用 TensorFlow 在 CIFAR-10 數(shù)據(jù)集上訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò). 卷積神經(jīng)網(wǎng)絡(luò)是為圖像識別量身定做的一個模型. 相比其它模型, 該模型利用了平移不變性(translation invariance), 從而能夠更更簡潔有效地表示視覺內(nèi)容.
本文讓你了解為什么學(xué)會使用向量來表示單詞, 即單詞嵌套 (word embedding), 是一件很有用的事情. 文章中介紹的 word2vec 模型, 是一種高效學(xué)習(xí)嵌套的方法. 本文還涉及了對比噪聲(noise-contrastive) 訓(xùn)練方法的一些高級細(xì)節(jié), 該訓(xùn)練方法是訓(xùn)練嵌套領(lǐng)域最近最大的進(jìn)展.
一篇 RNN 的介紹文章, 文章中訓(xùn)練了一個 LSTM 網(wǎng)絡(luò)來預(yù)測一個英文句子的下一個單詞(該任務(wù)有時候被稱作語言建模).
RNN 教程的后續(xù), 該教程采用序列到序列模型進(jìn)行機器翻譯. 你將學(xué)會構(gòu)建一個完全基于機器學(xué)習(xí),端到端的 英語-法語
翻譯器.
TensorFlow 可以用于與機器學(xué)習(xí)完全無關(guān)的其它計算領(lǐng)域. 這里實現(xiàn)了一個原生的 Mandelbrot 集合的可視化程序.
這是另外一個非機器學(xué)習(xí)計算的例子, 我們利用一個原生實現(xiàn)的偏微分方程, 對雨滴落在池塘上的過程進(jìn)行仿真.
一篇關(guān)于下載 MNIST 手寫識別數(shù)據(jù)集的詳細(xì)教程.
我們將毫無保留地發(fā)布已經(jīng)選訓(xùn)練好的, 目前最先進(jìn)的 Inception 物體識別模型.
敬請期待...
我們將發(fā)布一個 TensorFlow 版本的 Deep Dream,這是一款基于 Inception 識別模型的神經(jīng)網(wǎng)絡(luò)視幻覺軟件.
敬請期待...