如果你是机器学习领域的新手, 我们推荐你从本文开始阅读. 本文通过讲述一个经典的问题, 手写数字识别 (MNIST), 让你对多类分类 (multiclass classification) 问题有直观的了解.
如果你已经对其它深度学习软件比较熟悉, 并且也对 MNIST 很熟悉, 这篇教程能够引导你 对 TensorFlow 有初步了解.
这是一篇技术教程, 详细介绍了如何使用 TensorFlow 架构训练大规模模型. 本文继续使用 MNIST 作为例子.
这篇文章介绍了如何使用 TensorFlow 在 CIFAR-10 数据集上训练卷积神经网络. 卷积 神经网络是为图像识别量身定做的一个模型. 相比其它模型, 该模型利用了平移不变性 (translation invariance), 从而能够更更简洁有效地表示视觉内容.
本文让你了解为什么学会使用向量来表示单词, 即单词嵌套 (word embedding), 是一件很有用的事情. 文章中介绍的 word2vec 模型, 是一种高效学习嵌套的方法. 本文还涉及了对比噪声(noise-contrastive) 训练方法的一些高级细节, 该训练方法是训练嵌套领域最近最大的进展.
一篇 RNN 的介绍文章, 文章中训练了一个 LSTM 网络来预测一个英文句子的下一个单词 (该任务有时候被称作语言建模).
RNN 教程的后续, 该教程采用序列到序列模型进行机器翻译. 你将学会构建一个完全基于机器学习,
端到端的 英语-法语 翻译器.
TensorFlow 可以用于与机器学习完全无关的其它计算领域. 这里实现了一个原生的 Mandelbrot 集合 的可视化程序.
As another example of non-machine learning computation, we offer an example of a naive PDE simulation of raindrops landing on a pond. 这是另外一个非机器学习计算的例子, 我们利用一个原生实现的偏微分方程, 对雨滴落在池塘上的过程进行仿真.
一篇关于下载 MNIST 手写识别数据集的详细教程.
我们将毫无保留地发布已经选训练好的, 目前最先进的 Inception 物体识别模型.
敬请期待...
我们将发布一个 TensorFlow 版本的 Deep Dream, 这是一款基于 Inception 识别模型的神经网络视幻觉软件.
敬请期待...