tensorflow practice

通过一个示例为初学者学习TensorFlow。

该项目旨在通过一个初学者的一个示例来学习TensorFlow。更具体地说，它的目标是实现以下目标：

• 了解在张量集中解决填充的关键概念
• 使用此概念实施您的机器学习，尤其是深度学习。
• 学会在TensorFlow框架下调试问题并优化程序。

为了实现这一目标，我会关注一项简单的任务，并深入研究它，而不是众多例子。这样，我想分享完成研究或任务的过程，并希望帮助初学者使用TensorFlow建立对机器学习问题进行建模的概述。

这个项目选择面对工作问题作为任务，实际上是面对验证模型。该模型在Casia-Webface上进行了训练，并在LFW上进行了测试。有关数据集的更多详细信息在这里。

该项目可以在逻辑上分为不同级别的三个部分。

• 引入了构成模型的张量程序和组件的关键概念。
• 实现了关键概念和组合的基本模型，并使用软效果损失来学习该功能。
• 就训练速度和测试准确性而言，进行了优化以改善基本模型。
  • 数据管理和多GPU用于加快培训
  • 一个更强大的网络和新的损失称为大幅度余弦损失来提高准确性。

目录

0. 介绍

   • 要求
   • 概述
   • 安装
   • 资源

1. 关键概念

   • 图形
   • 会议
   • 张量
   • 手术

2. 成分

   • 变量
   • 名称和范围
   • 优化器和培训师
   • 卷积网络
   • 保存并还原
   • 张板
   • 定制层

3. 工作切换

   • 模块化
   • 项目模板
   • 代码切换

4. 优化

   • 速度：
     • 时间表
     • 数据管理
     • 多GPU
   • 准确性
     • 修改网络结构
     • 界面

如何调试张量流程

调试TensorFlow代码的实用指南

常问问题

请在这里看。

参考

1. TensorFlow示例
2. 有效的张量
3. TensorFlow圆顶
4. TensorFlow食谱
5. TensorFlow圆顶