TensorFlow 学习笔记
简介
1
Install Tensorflow | 安装 Tensorflow
1.1
Python | Python
1.2
Other Languages | 其他语言
2
Tutorials | 教程
2.1
Get started with TensorFlow | 开始使用 Tensorflow
2.2
Learn and use ML | 学习使用机器学习
2.2.1
Basic classification | 基础分类问题
2.2.2
Text classification | 文本分类
2.2.3
Regression | 回归
2.2.4
Overfitting and underfitting | 过拟合和欠拟合
2.2.5
Save and resotre models | 保存和恢复模型
2.3
Research and experimentation | 研究和实验
2.3.1
Eager execution | Eager Execution 模式
2.3.2
Automatic differentiation and gradient tape | 自动微分和梯度带
2.3.3
Custom training: basics | 自定义训练：基础
2.3.4
Custom layers | 自定义层
2.3.5
Custom training: walkthrough | 自定义训练：完整流程
2.4
ML at production scale | 生产级别的机器学习
2.5
Images | 图像
2.6
Sequences | 序列
2.7
Data representation | 数据表示
2.8
Non-ML | 非机器学习
3
Guide | 指南
3.1
High Level APIs | 高阶 API
3.2
Estimators | 估计器
3.3
Accelerators | 加速器
3.4
Low Level APIs | 低阶 APIs
3.5
ML Concepts | 机器学习思想
3.6
Debugging | 调试
3.7
TensorBoard | TensorBoard
3.8
Misc | 其他
4
Deploy | 部署
4.1
Distributed Tensorflow | 分布式 Tensorflow
4.2
How to run Tensorflow on Hadoop | 在 Hadoop 上运行 Tensorflow
4.3
How to run Tensorflow on S3 | 在 S3 上运行 Tensorflow
4.4
Deploy to JavaScript | 在 JavaScript 环境中部署 Tensorflow
4.5
Tensorflow Serving | Tensorflow Serving
4.5.1
Architecture Overview | 架构总览
4.5.2
Installation | 安装
4.5.3
Serving a TensorFlow Model | 部署一个 Tensorflow 模型服务
4.5.4
RESTful API | RESTful API
4.5.5
Building Standard TensorFlow ModelServer | 构建一个标准的 TensorFlow 模型服务器
4.5.6
Serving Inception Model with TensorFlow Serving and Kubernetes |
4.5.7
Creating a new kind of servable
4.5.8
Creating a module that discovers new servable paths
4.5.9
SignatureDefs in SavedModel for TensorFlow Serving
4.5.10
Using TensorFlow Serving via Docker | 通过 Docker 使用 TensorFlow Serving
5
Performance | 性能
5.1
Performance Guide | 性能优化指南
5.2
Input Pipeline Performance Guide | 数据管道性能优化指南
5.3
Benchmarks | 基准测试
5.4
Fixed Point Quantization | Fixed Point Quantization
5.5
XLA | XLA
6
Mobile | 移动设备
6.1
Tensorflow Lite | Tensorflow Lite
6.2
Tensorflow Mobile | Tensorflow Mobile
7
Extend | 扩展
7.1
Tensorflow Architecture | Tensorflow 框架
7.2
Adding a New Op | 添加一个新的运算
7.3
Adding a Custom Filesystem Plugin | 添加一个自定义的文件系统插件
7.4
Reading custom file and record formats | 读取自定义文件和自定义格式
7.5
Tensorflow in other languages | 其他语言中的 Tensorflow
7.6
A Tool Developer’s Guide to Tensorflow Model Files | Tensorflow 模型文件工具开发指南
8
Python API | Python 接口
8.1
Python API Guides | Python 接口指南
8.2
tf | tf
8.3
tf.app | tf.app
8.4
tf.bitwise | tf.bitwise
8.5
tf.compat | tf.compat
8.6
tf.contrib | tf.contrib
8.7
tf.data | tf.data
8.8
tf.distributions | tf.distributions
8.9
tf.errors | tf.errors
8.10
tf.estimator | tf.estimator
8.11
tf.feature_column | tf.feature_column
8.12
tf.gfile | tf.gfile
8.13
tf.graph_util | tf.graph_util
8.14
tf.image | tf.image
8.15
tf.initializers | tf.initializers
8.16
tf.keras | tf.keras
8.17
tf.layers | tf.layers
8.18
tf.linalg | tf.linalg
8.19
tf.logging | tf.logging
8.20
tf.losses | tf.losses
8.21
tf.manip | tf.manip
8.22
tf.math| tf.math
8.23
tf.metrics| tf.metrics
8.24
tf.nn| tf.nn
8.25
tf.profiler| tf.profiler
8.26
tf.python_io| tf.python_io
8.27
tf.resource_loader| tf.resource_loader
8.28
tf.saved_model | tf.saved_model
8.29
tf.sets | tf.sets
8.30
tf.sparse | tf.sparse
8.31
tf.spectral | tf.spectral
8.32
tf.strings | tf.strings
8.33
tf.summary | tf.summary
8.34
tf.sysconfig | tf.sysconfig
8.35
tf.test | tf.test
8.36
tf.train | tf.train
8.37
tfdbg | tfdbg
8.38
Tensorflow Hub Guide | Tensorflow Hub 指南
8.38.1
Key Concepts | 核心概念
8.38.2
Tutorials | 教程
8.38.3
Common Signatures | Common Signatures
9
Tensorflow Hub | Tensorflow Hub
9.1
API | API
9.1.1
add_signature | API
9.1.2
create_module_spec | API
9.1.3
get_expected_image_size | API
9.1.4
image_embedding_column | API
9.1.5
LatestModuleExportor | API
9.1.6
load_module_spec | API
9.1.7
Module | API
9.1.8
ModuleSpec | API
9.1.9
register_module_for_export | API
9.1.10
text_embedding_column | API
9.2
Modules | 模型
9.2.1
Image Modules | 图像模型
9.2.2
Text Modules | 图像模型
9.2.3
Other Modules | 其他模型
9.2.4
Module Listing | 模型列表
10
Tensorflow Extended (TFX) | Tensorflow Extended (TFX)
10.1
Transform | 转换
10.1.1
Examples | 示例
10.2
Model Analysis | 模型分析
10.2.1
Examples | 示例
10.3
Serving | Serving
附录
参考文献
Github
TensorFlow 学习笔记
第 4 章
Deploy | 部署
本节主要关注如何在现实中部署模型，包含如下方面内容：