TensorFlow 教程 --进阶指南--3.1总览
2018-03-11 21:47
309 查看
综述 Overview
Variables: 创建,初始化,保存,和恢复
TensorFlow Variables 是内存中的容纳 tensor 的缓存。这一小节介绍了用它们在模型训练时(during training)创建、保存和更新模型参数(model parameters) 的方法。参看教程TensorFlow 机制 101
用 MNIST 手写数字识别作为一个小例子,一步一步的将使用 TensorFlow 基础架构(infrastructure)训练大规模模型的细节做详细介绍。参看教程TensorBoard: 学习过程的可视化
对模型进行训练和评估时,TensorBoard 是一个很有用的可视化工具。此教程解释了创建和运行 TensorBoard 的方法,和使用摘要操作(Summary ops)的方法,通过添加摘要操作(Summary ops),可以自动把数据传输到 TensorBoard 所使用的事件文件。参看教程TensorBoard: 图的可视化
此教程介绍了在 TensorBoard 中使用可视化工具的方法,它可以帮助你理解张量流图的过程并 debug。参看教程数据读入
此教程介绍了把数据传入 TensorSlow 程序的三种主要的方法: Feeding, Reading 和 Preloading.参看教程线程和队列
此教程介绍 TensorFlow 中为了更容易进行异步和并发训练的各种不同结构(constructs)。参看教程添加新的 Op
TensorFlow 已经提供一整套节点操作()operation),你可以在你的 graph 中随意使用它们,不过这里有关于添加自定义操作(custom op)的细节。参看教程。自定义数据的 Readers
如果你有相当大量的自定义数据集合,可能你想要对 TensorFlow 的 Data Readers 进行扩展,使它能直接以数据自身的格式将其读入。参看教程。使用 GPUs
此教程描述了用多个 GPU 构建和运行模型的方法。参看教程共享变量 Sharing Variables
当在多 GPU 上部署大型的模型,或展开复杂的 LSTMs 或 RNNs 时,在模型构建代码的不同位置对许多相同的变量(Variable)进行读写常常是必须的。设计变量作用域(Variable Scope)机制的目的就是为了帮助上述任务的实现。相关文章推荐
- TensorFlow 教程 --进阶指南--3.9TensorBoard: 图表可视化
- TensorFlow 教程 --进阶指南--3.2变量:创建、初始化、保存和加载
- TensorFlow 教程 --进阶指南--3.3可视化学习
- TensorFlow 教程 --进阶指南--3.4数据读取
- TensorFlow 教程 --进阶指南--3.5线程和队列
- TensorFlow 教程 --进阶指南--3.6增加一个新 Op
- TensorFlow 教程 --进阶指南--3.8使用GPU
- TensorFlow 教程 --进阶指南--3.10共享变量
- TensorFlow怎么安装?哪里下载安装包?安装教程、图像识别应用(附安装包/指南)
- mxGraph进阶(一)mxGraph教程-开发入门指南
- Tensorflow的MNIST进阶教程CNN网络参数理解
- [置顶] mxGraph进阶(一)mxGraph教程-开发入门指南
- TensorFlow深度学习进阶教程:TensorFlow实现CIFAR-10数据集测试的卷积神经网络
- TensorFlow介绍、安装教程、图像识别应用(附安装包/指南)
- TensorFlow 教程 --教程--2.4MNIST 进阶
- 《Android高手进阶教程》22.Android中几种图像特效处理的集锦
- 抓包工具charles使用教程指南
- TensorFlow全新的数据读取方式:Dataset API入门教程
- WebMatrix进阶教程(2):教您如何使用WebMatrix创建第一个网页