精通 TensorFlow 1.x 中文版（初稿）

TensorFlow 101

• 什麼是 TensorFlow？
• TensorFlow 核心
• 代碼預熱 - Hello TensorFlow
• 張量
• 常量
• 操作
• 佔位符
• 從 Python 對象創建張量
• 變量
• 從庫函數生成的張量
• 使用相同的值填充張量元素
• 用序列填充張量元素
• 使用隨機分佈填充張量元素
• 使用tf.get_variable()獲取變量
• 數據流圖或計算圖
• 執行順序和延遲加載
• 跨計算設備執行圖 - CPU 和 GPU
• 將圖節點放置在特定的計算設備上
• 簡單放置
• 動態展示位置
• 軟放置
• GPU 內存處理
• 多個圖
• TensorBoard
• TensorBoard 最小的例子
• TensorBoard 詳情
• 總結

TensorFlow 的高級庫

• TF Estimator - 以前的 TF 學習
• TF Slim
• TFLearn
• 創建 TFLearn 層
• TFLearn 核心層
• TFLearn 卷積層
• TFLearn 循環層
• TFLearn 正則化層
• TFLearn 嵌入層
• TFLearn 合併層
• TFLearn 估計層
• 創建 TFLearn 模型
• TFLearn 模型的類型
• 訓練 TFLearn 模型
• 使用 TFLearn 模型
• PrettyTensor
• Sonnet
• 總結

Keras 101

• 安裝 Keras
• Keras 中的神經網絡模型
• 在 Keras 建立模型的工作流程
• 創建 Keras 模型
• 用於創建 Keras 模型的順序 API
• 用於創建 Keras 模型的函數式 API
• Keras 層
• Keras 核心層
• Keras 卷積層
• Keras 池化層
• Keras 本地連接層
• Keras 循環層
• Keras 嵌入層
• Keras 合併層
• Keras 高級激活層
• Keras 正則化層
• Keras 噪音層
• 將層添加到 Keras 模型
• 用於將層添加到 Keras 模型的順序 API
• 用於向 Keras 模型添加層的函數式 API
• 編譯 Keras 模型
• 訓練 Keras 模型
• 使用 Keras 模型進行預測
• Keras 的附加模塊
• MNIST 數據集的 Keras 序列模型示例
• 總結

使用 TensorFlow 進行經典機器學習

• 簡單的線性迴歸
• 數據準備
• 構建一個簡單的迴歸模型
• 定義輸入，參數和其他變量
• 定義模型
• 定義損失函數
• 定義優化器函數
• 訓練模型
• 使用訓練的模型進行預測
• 多元迴歸
• 正則化迴歸
• 套索正則化
• 嶺正則化
• ElasticNet 正則化
• 使用邏輯迴歸進行分類
• 二分類的邏輯迴歸
• 多類分類的邏輯迴歸
• 二分類
• 多類分類
• 總結

使用 TensorFlow 和 Keras 的神經網絡和 MLP

• 感知機
• 多層感知機
• 用於圖像分類的 MLP
• 用於 MNIST 分類的基於 TensorFlow 的 MLP
• 用於 MNIST 分類的基於 Keras 的 MLP
• 用於 MNIST 分類的基於 TFLearn 的 MLP
• 使用 TensorFlow，Keras 和 TFLearn 的 MLP 總結
• 用於時間序列迴歸的 MLP
• 總結

使用 TensorFlow 和 Keras 的 RNN

• 簡單循環神經網絡
• RNN 變種
• LSTM 網絡
• GRU 網絡
• TensorFlow RNN
• TensorFlow RNN 單元類
• TensorFlow RNN 模型構建類
• TensorFlow RNN 單元包裝器類
• 適用於 RNN 的 Keras
• RNN 的應用領域
• 用於 MNIST 數據的 Keras 中的 RNN
• 總結

使用 TensorFlow 和 Keras 的時間序列數據的 RNN

• 航空公司乘客數據集
• 加載 airpass 數據集
• 可視化 airpass 數據集
• 使用 TensorFlow RNN 模型預處理數據集
• TensorFlow 中的簡單 RNN
• TensorFlow 中的 LSTM
• TensorFlow 中的 GRU
• 使用 Keras RNN 模型預處理數據集
• 使用 Keras 的簡單 RNN
• 使用 Keras 的 LSTM
• 使用 Keras 的 GRU
• 總結

使用 TensorFlow 和 Keras 的文本數據的 RNN

• 詞向量表示
• 爲 word2vec 模型準備數據
• 加載和準備 PTB 數據集
• 加載和準備 text8 數據集
• 準備小驗證集
• 使用 TensorFlow 的 skip-gram 模型
• 使用 t-SNE 可視化單詞嵌入
• keras 的 skip-gram 模型
• 使用 TensorFlow 和 Keras 中的 RNN 模型生成文本
• TensorFlow 中的 LSTM 文本生成
• Keras 中的 LSTM 文本生成
• 總結

使用 TensorFlow 和 Keras 的 CNN

• 理解卷積
• 瞭解池化
• CNN 架構模式 - LeNet
• 用於 MNIST 數據的 LeNet
• 使用 TensorFlow 的用於 MNIST 的 LeNet CNN
• 使用 Keras 的用於 MNIST 的 LeNet CNN
• 用於 CIFAR10 數據的 LeNet
• 使用 TensorFlow 的用於 CIFAR10 的 ConvNets
• 使用 Keras 的用於 CIFAR10 的 ConvNets
• 總結

使用 TensorFlow 和 Keras 的自編碼器

• 自編碼器類型
• TensorFlow 中的棧式自編碼器
• Keras 中的棧式自編碼器
• TensorFlow 中的去噪自編碼器
• Keras 中的去噪自編碼器
• TensorFlow 中的變分自編碼器
• Keras 中的變分自編碼器
• 總結

TF 服務：生產中的 TensorFlow 模型

• 在 TensorFlow 中保存和恢復模型
• 使用保護程序類保存和恢復所有圖變量
• 使用保護程序類保存和恢復所選變量
• 保存和恢復 Keras 模型
• TensorFlow 服務
• 安裝 TF 服務
• 保存 TF 服務的模型
• 提供 TF 服務模型
• 在 Docker 容器中提供 TF 服務
• 安裝 Docker
• 爲 TF 服務構建 Docker 鏡像
• 在 Docker 容器中提供模型
• Kubernetes 中的 TensorFlow 服務
• 安裝 Kubernetes
• 將 Docker 鏡像上傳到 dockerhub
• 在 Kubernetes 部署
• 總結

遷移學習和預訓練模型

• ImageNet 數據集
• 再訓練或微調模型
• COCO 動物數據集和預處理圖像
• TensorFlow 中的 VGG16
• 使用 TensorFlow 中預訓練的 VGG16 進行圖像分類
• TensorFlow 中的圖像預處理，用於預訓練的 VGG16
• 使用 TensorFlow 中的再訓練的 VGG16 進行圖像分類
• Keras 的 VGG16
• 使用 Keras 中預訓練的 VGG16 進行圖像分類
• 使用 Keras 中再訓練的 VGG16 進行圖像分類
• TensorFlow 中的 Inception v3
• 使用 TensorFlow 中的 Inception v3 進行圖像分類
• 使用 TensorFlow 中的再訓練的 Inception v3 進行圖像分類
• 總結

深度強化學習

• OpenAI Gym 101
• 將簡單的策略應用於 cartpole 遊戲
• 強化學習 101
• Q 函數（在模型不可用時學習優化）
• RL 算法的探索與開發
• V 函數（模型可用時學習優化）
• 強化學習技巧
• 強化學習的樸素神經網絡策略
• 實現 Q-Learning
• Q-Learning 的初始化和離散化
• 使用 Q-Table 進行 Q-Learning
• Q-Network 或深 Q 網絡（DQN）的 Q-Learning
• 總結

生成性對抗網絡

• 生成性對抗網絡 101
• 建立和訓練 GAN 的最佳實踐
• 使用 TensorFlow 的簡單的 GAN
• 使用 Keras 的簡單的 GAN
• 使用 TensorFlow 和 Keras 的深度卷積 GAN
• 總結

使用 TensorFlow 集羣的分佈式模型

• 分佈式執行策略
• TensorFlow 集羣
• 定義集羣規範
• 創建服務器實例
• 定義服務器和設備之間的參數和操作
• 定義並訓練圖以進行異步更新
• 定義並訓練圖以進行同步更新
• 總結

移動和嵌入式平臺上的 TensorFlow 模型

• 移動平臺上的 TensorFlow
• Android 應用中的 TF Mobile
• Android 上的 TF Mobile 演示
• iOS 應用中的 TF Mobile
• iOS 上的 TF Mobile 演示
• TensorFlow Lite
• Android 上的 TF Lite 演示
• iOS 上的 TF Lite 演示
• 總結

R 中的 TensorFlow 和 Keras

• 在 R 中安裝 TensorFlow 和 Keras 軟件包
• R 中的 TF 核心 API
• R 中的 TF 估計器 API
• R 中的 Keras API
• R 中的 TensorBoard
• R 中的 tfruns 包
• 總結

調試 TensorFlow 模型

• 使用tf.Session.run()獲取張量值
• 使用tf.Print()打印張量值
• 用tf.Assert()斷言條件
• 使用 TensorFlow 調試器（tfdbg）進行調試
• 總結

張量處理單元