搜索
前言前言你正在阅读的项目可能会比Android系统更加深远地影响着世界！你正在阅读的项目可能会比Android系统更加深远地影响着世界！缘起缘起2015年11月9日，Google发布人工智能系统TensorFlow并宣布开源，同日，极客学院组织在线TensorFlow中文文档翻译。机器学习作为人工智能的一种类型，可以让软件根据大量的数据来对未来的情况进行阐述或预判。如今，领先的科技巨头无不在机器学习下予以极大投入。Facebook、苹果、微软，甚至国内的百度。Google自然也在其中。「TensorFlow」是Google多年以来内部的机器学习系统。如今，Google正在将此系统成为开源系统，并将此系统的参数公布给业界工程师、学者和拥有大量编程能力的技术人员，这意味着什么呢？打个不太恰当的比喻，如今Google对待TensorFlow系统，有点类似于该公司对待旗下移动操作系统Android。如果更多的数据科学家开始使用Google的系统来从事机器学习方面的研究，那么这将有利于Google对日益发展的机器学习行业拥有更多的主导权。为了让国内的技术人员在最短的时间内迅速掌握这一世界领先的AI系统，极客学院Wiki团队发起对TensorFlow官方文档的中文协同翻译，一周之内，全部翻译认领完成，一个月后，全部30章节翻译校对完成，上线极客学院Wiki平台并提供下载。GoogleTensorFlow项目负责人JeffDean为该中文翻译项目回信称：看到能够将TensorFlow翻译成中文我非常激动，我们将TensorFlow开源的主要原因之一是为了让全世界的人们能够从机器学习与人工智能中获益，类似这样的协作翻译能够让更多的人更容易地接触到TensorFlow项目，很期待接下来该项目在全球范围内的应用!Jeff回信原文：jeff图片.2图片.2jeff再次衷心感谢每一位为该翻译项目做出贡献的同学，我们会持续关注TensorFlow、AI领域以及其它最新技术的发展、持续维护该协作翻译、持续提供更多更优质的内容，为广大IT学习者们服务！内容来源内容来源英文官方网站：官方GitHub仓库：中文版GitHub仓库：参与者（按认领章节排序）参与者（按认领章节排序）翻译翻译•@PFZheng•@TonyJin•@chenweican•@bingjin•@oskycar•@btpeter•@Warln•@ericxk•@wangaicc•@TerenceCooper•@zhyhooo•@thylaco1eo•@volvet•@zhangkom•@derekshang•@lianghyv•@nb312•@Jim-Zenn•@andyiac•@TerenceCooper•@leege100校对校对•@yangtze•@ericxk•@HongyangWang•@LichAmnesia•@zhyhooo•@waiwaizheng•@HongyangWang•@tensorfly•@lonlonago•@jishaoming•@lucky521•@allensummer•@volvet•@ZHNathanielLee•@pengfoo•@qiaohaijun进度记录进度记录•2015-11-10,谷歌发布全新人工智能系统TensorFlow并宣布开源,极客学院Wiki启动协同翻译，创建GitHub仓库，制定协同规范•2015-11-18,所有章节认领完毕，翻译完成18章，校对认领7章，Star数361，fork数100，协同翻译QQ群及技术交流群的TF爱好者将近300人，GitHub搜索TensorFlow排名第二•2015-12-10,Star数超过500•2015-12-15,项目正式上线花絮花絮在组织翻译的过程中，有些事情令人印象深刻，记录下来，希望以后来学习文档的同学能够明了到手中这份文档的由来：•参加翻译的有学生，也有老师；有专门研究AI/ML的，也有对此感兴趣的；有国内的，也有远在纽约的；有工程技术人员也有博士、专家•其中一位，恩泽同学，为了翻译一篇文档，在前一天没有睡觉的情况下坚持翻完，20个小时没有合眼•还有一位老师，刚从讲台上讲完课，就立即给我们的翻译提修改意见•很多同学自发的将搭建环境中遇到的问题总结到FAQ里帮助他人•为了一个翻译细节，经常是来回几次，和其他人讨论完善持续改进持续改进这样的一个高技术领域的文档，我们在翻译的过程中，难免会有不完善的地方，希望请大家一起帮助我们持续改进文档的翻译质量，帮助更多的人，方法：•在GitHub上提Issue或PullRequest，地址为:•加入我们的QQ群提建议--协同翻译群：248320884，技术交流群：495115006•给我们写邮件：wiki@jikexueyuan.com•加入TensorFlow微信讨论群:感谢支持感谢支持•极客学院Wiki提供图文教程托管服务离线版本离线版本目前，离线版本(PDF、ePub)可正常下载、使用目录目录前言前言............................................................................11第1章第1章起步起步................................................................88简介........................................9下载与安装....................................12基本使用.....................................20第2章第2章教程教程................................................................2626综述.......................................27MNIST机器学习入门................................30深入MNIST....................................39TensorFlow运作方式入门..............................46卷积神经网络...................................56VectorRepresentationsofWords.........................67循环神经网络...................................76曼德布洛特(Mandelbrot)集合............................81偏微分方程....................................84MNIST数据下载..................................89第3章第3章运作方式运作方式............................................................9191综述Overview...................................92变量:创建、初始化、保存和加载...........................95TensorBoard:可视化学习 .............................100TensorBoard:图表可视化.............................103数据读取.....................................109线程和队列....................................114增加一个新Op..................................118自定义数据读取..................................137使用GPUs....................................142共享变量.....................................146第4章第4章资源资源..............................................................152152其他资源.....................................153BibTex引用....................................154应用实例.....................................156常见问题.....................................158术语表......................................164张量的阶、形状、数据类型.............................168第5章第5章其他其他..............................................................170170常见问题汇总...................................17111起步起步简介简介本章的目的是让你了解和运行TensorFlow!在开始之前,让我们先看一段使用PythonAPI撰写的TensorFlow示例代码,让你对将要学习的内容有初步的印象.这段很短的Python程序生成了一些三维数据,然后用一个平面拟合它.importtensorflowastfimportnumpyasnp#使用NumPy生成假数据(phonydata),总共100个点.x_data=np.float32(np.random.rand(2,100))#随机输入y_data=np.dot([0.100,0.200],x_data)+0.300#构造一个线性模型#b=tf.Variable(tf.zeros([1]))W=tf.Variable(tf.random_uniform([1,2],-1.0,1.0))y=tf.matmul(W,x_data)+b#最小化方差loss=tf.reduce_mean(tf.square(y-y_data))optimizer=tf.train.GradientDescentOptimizer(0.5)train=optimizer.minimize(loss)#初始化变量init=tf.initialize_all_variables()#启动图(graph)sess=tf.Session()sess.run(init)#拟合平面forstepinxrange(0,201):sess.run(train)ifstep%20==0:printstep,sess.run(W),sess.run(b)#得到最佳拟合结果W:[[0.1000.200]],b:[0.300]为了进一步激发你的学习欲望,我们想让你先看一下TensorFlow是如何解决一个经典的机器学习问题的.在神经网络领域,最为经典的问题莫过于MNIST手写数字分类问题.我们准备了两篇不同的教程,分别面向机器学习领域的初学者和专家.如果你已经使用其它软件训练过许多MNIST模型,请阅读高级教程(红色药丸链接).第1章起步|9如果你以前从未听说过MNIST,请阅读初级教程(蓝色药丸链接).如果你的水平介于这两类人之间,我们建议你先快速浏览初级教程