Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
Ailearning
提交
d6472f91
A
Ailearning
项目概览
OpenDocCN
/
Ailearning
大约 1 年 前同步成功
通知
12
Star
36240
Fork
11272
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
A
Ailearning
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
d6472f91
编写于
12月 29, 2020
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2020-12-29 18:59:27
上级
6ae3ae8b
变更
2
隐藏空白更改
内联
并排
Showing
2 changed file
with
133 addition
and
133 deletion
+133
-133
SUMMARY.md
SUMMARY.md
+67
-67
docs/tf2/SUMMARY.md
docs/tf2/SUMMARY.md
+66
-66
未找到文件。
SUMMARY.md
浏览文件 @
d6472f91
...
...
@@ -220,74 +220,74 @@
+
[
11 语言学数据管理
](
docs/nlp/11.md
)
+
[
后记:语言的挑战
](
docs/nlp/12.md
)
+
[
索引
](
docs/nlp/14.md
)
+
[
TensorFlow 2.
0
教程
](
docs/tf2/README.md
)
+
[
TensorFlow 2.
4 官方
教程
](
docs/tf2/README.md
)
+
[
初学者的 TensorFlow 2.0 教程
](
docs/tf2/002.md
)
+
[
针对专业人员的 TensorFlow 2.0 入门
](
docs/tf2/003.md
)
+
[
初级
](
docs/tf2/004.md
)
+
[
Keras 机器学习基础知识
](
docs/tf2/005.md
)
+
[
基本分类:对服装图像进行分类
](
docs/tf2/006.md
)
+
[
电影评论文本分类
](
docs/tf2/007.md
)
+
[
使用 Keras 和 Tensorflow Hub 对电影评论进行文本分类
](
docs/tf2/008.md
)
+
[
Basic regression: Predict fuel efficiency
](
docs/tf2/009.md
)
+
[
Overfit and underfit
](
docs/tf2/010.md
)
+
[
保存和恢复模型
](
docs/tf2/011.md
)
+
[
Introduction to the Keras Tuner
](
docs/tf2/012.md
)
+
[
加载和预处理数据
](
docs/tf2/013.md
)
+
[
用 tf.data 加载图片
](
docs/tf2/014.md
)
+
[
使用 tf.data 加载文本数据
](
docs/tf2/015.md
)
+
[
用 tf.data 加载 CSV 数据
](
docs/tf2/016.md
)
+
[
使用 tf.data 加载 NumPy 数据
](
docs/tf2/017.md
)
+
[
使用 tf.data 加载 pandas dataframes
](
docs/tf2/018.md
)
+
[
Unicode 字符串
](
docs/tf2/019.md
)
+
[
TF.Text
](
docs/tf2/020.md
)
+
[
TFRecord 和 tf.Example
](
docs/tf2/021.md
)
+
[
Estimator
](
docs/tf2/022.md
)
+
[
预创建的 Estimators
](
docs/tf2/023.md
)
+
[
Build a linear model with Estimators
](
docs/tf2/024.md
)
+
[
在 Tensorflow 中训练提升树(Boosted Trees)模型
](
docs/tf2/025.md
)
+
[
梯度提升树(Gradient Boosted Trees):模型理解
](
docs/tf2/026.md
)
+
[
通过 Keras 模型创建 Estimator
](
docs/tf2/027.md
)
+
[
Keras 机器学习基础知识
](
docs/tf2/005.md
)
+
[
基本分类:对服装图像进行分类
](
docs/tf2/006.md
)
+
[
电影评论文本分类
](
docs/tf2/007.md
)
+
[
使用 Keras 和 Tensorflow Hub 对电影评论进行文本分类
](
docs/tf2/008.md
)
+
[
Basic regression: Predict fuel efficiency
](
docs/tf2/009.md
)
+
[
Overfit and underfit
](
docs/tf2/010.md
)
+
[
保存和恢复模型
](
docs/tf2/011.md
)
+
[
Introduction to the Keras Tuner
](
docs/tf2/012.md
)
+
[
加载和预处理数据
](
docs/tf2/013.md
)
+
[
用 tf.data 加载图片
](
docs/tf2/014.md
)
+
[
使用 tf.data 加载文本数据
](
docs/tf2/015.md
)
+
[
用 tf.data 加载 CSV 数据
](
docs/tf2/016.md
)
+
[
使用 tf.data 加载 NumPy 数据
](
docs/tf2/017.md
)
+
[
使用 tf.data 加载 pandas dataframes
](
docs/tf2/018.md
)
+
[
Unicode 字符串
](
docs/tf2/019.md
)
+
[
TF.Text
](
docs/tf2/020.md
)
+
[
TFRecord 和 tf.Example
](
docs/tf2/021.md
)
+
[
Estimator
](
docs/tf2/022.md
)
+
[
预创建的 Estimators
](
docs/tf2/023.md
)
+
[
Build a linear model with Estimators
](
docs/tf2/024.md
)
+
[
在 Tensorflow 中训练提升树(Boosted Trees)模型
](
docs/tf2/025.md
)
+
[
梯度提升树(Gradient Boosted Trees):模型理解
](
docs/tf2/026.md
)
+
[
通过 Keras 模型创建 Estimator
](
docs/tf2/027.md
)
+
[
高级
](
docs/tf2/028.md
)
+
[
自定义
](
docs/tf2/029.md
)
+
[
Customization basics: tensors and operations
](
docs/tf2/030.md
)
+
[
Custom layers
](
docs/tf2/031.md
)
+
[
自定义训练: 演示
](
docs/tf2/032.md
)
+
[
分布式训练
](
docs/tf2/033.md
)
+
[
Keras 的分布式训练
](
docs/tf2/034.md
)
+
[
使用 tf.distribute.Strategy 进行自定义训练
](
docs/tf2/035.md
)
+
[
利用 Keras 来训练多工作器(worker)
](
docs/tf2/036.md
)
+
[
利用 Estimator 进行多工作器训练
](
docs/tf2/037.md
)
+
[
使用分布策略保存和加载模型
](
docs/tf2/038.md
)
+
[
Distributed Input
](
docs/tf2/039.md
)
+
[
图像
](
docs/tf2/040.md
)
+
[
卷积神经网络(Convolutional Neural Network, CNN)
](
docs/tf2/041.md
)
+
[
Image classification
](
docs/tf2/042.md
)
+
[
Transfer learning and fine-tuning
](
docs/tf2/043.md
)
+
[
Transfer learning with TensorFlow Hub
](
docs/tf2/044.md
)
+
[
Data augmentation
](
docs/tf2/045.md
)
+
[
图像分割
](
docs/tf2/046.md
)
+
[
文本
](
docs/tf2/047.md
)
+
[
单词嵌入向量
](
docs/tf2/048.md
)
+
[
使用 RNN 进行文本分类
](
docs/tf2/049.md
)
+
[
循环神经网络(RNN)文本生成
](
docs/tf2/050.md
)
+
[
基于注意力的神经机器翻译
](
docs/tf2/051.md
)
+
[
Image captioning with visual attention
](
docs/tf2/052.md
)
+
[
理解语言的 Transformer 模型
](
docs/tf2/053.md
)
+
[
Fine-tuning a BERT model
](
docs/tf2/054.md
)
+
[
结构化数据
](
docs/tf2/055.md
)
+
[
对结构化数据进行分类
](
docs/tf2/056.md
)
+
[
Classification on imbalanced data
](
docs/tf2/057.md
)
+
[
Time series forecasting
](
docs/tf2/058.md
)
+
[
生成
](
docs/tf2/059.md
)
+
[
神经风格迁移
](
docs/tf2/060.md
)
+
[
DeepDream
](
docs/tf2/061.md
)
+
[
深度卷积生成对抗网络
](
docs/tf2/062.md
)
+
[
Pix2Pix
](
docs/tf2/063.md
)
+
[
CycleGAN
](
docs/tf2/064.md
)
+
[
Adversarial example using FGSM
](
docs/tf2/065.md
)
+
[
Intro to Autoencoders
](
docs/tf2/066.md
)
+
[
卷积变分自编码器
](
docs/tf2/067.md
)
+
[
可解释性
](
docs/tf2/068.md
)
+
[
Integrated gradients
](
docs/tf2/069.md
)
+
[
强化学习
](
docs/tf2/070.md
)
+
[
Playing CartPole with the Actor-Critic Method
](
docs/tf2/071.md
)
+
[
自定义
](
docs/tf2/029.md
)
+
[
Customization basics: tensors and operations
](
docs/tf2/030.md
)
+
[
Custom layers
](
docs/tf2/031.md
)
+
[
自定义训练: 演示
](
docs/tf2/032.md
)
+
[
分布式训练
](
docs/tf2/033.md
)
+
[
Keras 的分布式训练
](
docs/tf2/034.md
)
+
[
使用 tf.distribute.Strategy 进行自定义训练
](
docs/tf2/035.md
)
+
[
利用 Keras 来训练多工作器(worker)
](
docs/tf2/036.md
)
+
[
利用 Estimator 进行多工作器训练
](
docs/tf2/037.md
)
+
[
使用分布策略保存和加载模型
](
docs/tf2/038.md
)
+
[
Distributed Input
](
docs/tf2/039.md
)
+
[
图像
](
docs/tf2/040.md
)
+
[
卷积神经网络(Convolutional Neural Network, CNN)
](
docs/tf2/041.md
)
+
[
Image classification
](
docs/tf2/042.md
)
+
[
Transfer learning and fine-tuning
](
docs/tf2/043.md
)
+
[
Transfer learning with TensorFlow Hub
](
docs/tf2/044.md
)
+
[
Data augmentation
](
docs/tf2/045.md
)
+
[
图像分割
](
docs/tf2/046.md
)
+
[
文本
](
docs/tf2/047.md
)
+
[
单词嵌入向量
](
docs/tf2/048.md
)
+
[
使用 RNN 进行文本分类
](
docs/tf2/049.md
)
+
[
循环神经网络(RNN)文本生成
](
docs/tf2/050.md
)
+
[
基于注意力的神经机器翻译
](
docs/tf2/051.md
)
+
[
Image captioning with visual attention
](
docs/tf2/052.md
)
+
[
理解语言的 Transformer 模型
](
docs/tf2/053.md
)
+
[
Fine-tuning a BERT model
](
docs/tf2/054.md
)
+
[
结构化数据
](
docs/tf2/055.md
)
+
[
对结构化数据进行分类
](
docs/tf2/056.md
)
+
[
Classification on imbalanced data
](
docs/tf2/057.md
)
+
[
Time series forecasting
](
docs/tf2/058.md
)
+
[
生成
](
docs/tf2/059.md
)
+
[
神经风格迁移
](
docs/tf2/060.md
)
+
[
DeepDream
](
docs/tf2/061.md
)
+
[
深度卷积生成对抗网络
](
docs/tf2/062.md
)
+
[
Pix2Pix
](
docs/tf2/063.md
)
+
[
CycleGAN
](
docs/tf2/064.md
)
+
[
Adversarial example using FGSM
](
docs/tf2/065.md
)
+
[
Intro to Autoencoders
](
docs/tf2/066.md
)
+
[
卷积变分自编码器
](
docs/tf2/067.md
)
+
[
可解释性
](
docs/tf2/068.md
)
+
[
Integrated gradients
](
docs/tf2/069.md
)
+
[
强化学习
](
docs/tf2/070.md
)
+
[
Playing CartPole with the Actor-Critic Method
](
docs/tf2/071.md
)
\ No newline at end of file
docs/tf2/SUMMARY.md
浏览文件 @
d6472f91
...
...
@@ -2,70 +2,70 @@
+
[
初学者的 TensorFlow 2.0 教程
](
002.md
)
+
[
针对专业人员的 TensorFlow 2.0 入门
](
003.md
)
+
[
初级
](
004.md
)
+
[
Keras 机器学习基础知识
](
005.md
)
+
[
基本分类:对服装图像进行分类
](
006.md
)
+
[
电影评论文本分类
](
007.md
)
+
[
使用 Keras 和 Tensorflow Hub 对电影评论进行文本分类
](
008.md
)
+
[
Basic regression: Predict fuel efficiency
](
009.md
)
+
[
Overfit and underfit
](
010.md
)
+
[
保存和恢复模型
](
011.md
)
+
[
Introduction to the Keras Tuner
](
012.md
)
+
[
加载和预处理数据
](
013.md
)
+
[
用 tf.data 加载图片
](
014.md
)
+
[
使用 tf.data 加载文本数据
](
015.md
)
+
[
用 tf.data 加载 CSV 数据
](
016.md
)
+
[
使用 tf.data 加载 NumPy 数据
](
017.md
)
+
[
使用 tf.data 加载 pandas dataframes
](
018.md
)
+
[
Unicode 字符串
](
019.md
)
+
[
TF.Text
](
020.md
)
+
[
TFRecord 和 tf.Example
](
021.md
)
+
[
Estimator
](
022.md
)
+
[
预创建的 Estimators
](
023.md
)
+
[
Build a linear model with Estimators
](
024.md
)
+
[
在 Tensorflow 中训练提升树(Boosted Trees)模型
](
025.md
)
+
[
梯度提升树(Gradient Boosted Trees):模型理解
](
026.md
)
+
[
通过 Keras 模型创建 Estimator
](
027.md
)
+
[
Keras 机器学习基础知识
](
005.md
)
+
[
基本分类:对服装图像进行分类
](
006.md
)
+
[
电影评论文本分类
](
007.md
)
+
[
使用 Keras 和 Tensorflow Hub 对电影评论进行文本分类
](
008.md
)
+
[
Basic regression: Predict fuel efficiency
](
009.md
)
+
[
Overfit and underfit
](
010.md
)
+
[
保存和恢复模型
](
011.md
)
+
[
Introduction to the Keras Tuner
](
012.md
)
+
[
加载和预处理数据
](
013.md
)
+
[
用 tf.data 加载图片
](
014.md
)
+
[
使用 tf.data 加载文本数据
](
015.md
)
+
[
用 tf.data 加载 CSV 数据
](
016.md
)
+
[
使用 tf.data 加载 NumPy 数据
](
017.md
)
+
[
使用 tf.data 加载 pandas dataframes
](
018.md
)
+
[
Unicode 字符串
](
019.md
)
+
[
TF.Text
](
020.md
)
+
[
TFRecord 和 tf.Example
](
021.md
)
+
[
Estimator
](
022.md
)
+
[
预创建的 Estimators
](
023.md
)
+
[
Build a linear model with Estimators
](
024.md
)
+
[
在 Tensorflow 中训练提升树(Boosted Trees)模型
](
025.md
)
+
[
梯度提升树(Gradient Boosted Trees):模型理解
](
026.md
)
+
[
通过 Keras 模型创建 Estimator
](
027.md
)
+
[
高级
](
028.md
)
+
[
自定义
](
029.md
)
+
[
Customization basics: tensors and operations
](
030.md
)
+
[
Custom layers
](
031.md
)
+
[
自定义训练: 演示
](
032.md
)
+
[
分布式训练
](
033.md
)
+
[
Keras 的分布式训练
](
034.md
)
+
[
使用 tf.distribute.Strategy 进行自定义训练
](
035.md
)
+
[
利用 Keras 来训练多工作器(worker)
](
036.md
)
+
[
利用 Estimator 进行多工作器训练
](
037.md
)
+
[
使用分布策略保存和加载模型
](
038.md
)
+
[
Distributed Input
](
039.md
)
+
[
图像
](
040.md
)
+
[
卷积神经网络(Convolutional Neural Network, CNN)
](
041.md
)
+
[
Image classification
](
042.md
)
+
[
Transfer learning and fine-tuning
](
043.md
)
+
[
Transfer learning with TensorFlow Hub
](
044.md
)
+
[
Data augmentation
](
045.md
)
+
[
图像分割
](
046.md
)
+
[
文本
](
047.md
)
+
[
单词嵌入向量
](
048.md
)
+
[
使用 RNN 进行文本分类
](
049.md
)
+
[
循环神经网络(RNN)文本生成
](
050.md
)
+
[
基于注意力的神经机器翻译
](
051.md
)
+
[
Image captioning with visual attention
](
052.md
)
+
[
理解语言的 Transformer 模型
](
053.md
)
+
[
Fine-tuning a BERT model
](
054.md
)
+
[
结构化数据
](
055.md
)
+
[
对结构化数据进行分类
](
056.md
)
+
[
Classification on imbalanced data
](
057.md
)
+
[
Time series forecasting
](
058.md
)
+
[
生成
](
059.md
)
+
[
神经风格迁移
](
060.md
)
+
[
DeepDream
](
061.md
)
+
[
深度卷积生成对抗网络
](
062.md
)
+
[
Pix2Pix
](
063.md
)
+
[
CycleGAN
](
064.md
)
+
[
Adversarial example using FGSM
](
065.md
)
+
[
Intro to Autoencoders
](
066.md
)
+
[
卷积变分自编码器
](
067.md
)
+
[
可解释性
](
068.md
)
+
[
Integrated gradients
](
069.md
)
+
[
强化学习
](
070.md
)
+
[
Playing CartPole with the Actor-Critic Method
](
071.md
)
+
[
自定义
](
029.md
)
+
[
Customization basics: tensors and operations
](
030.md
)
+
[
Custom layers
](
031.md
)
+
[
自定义训练: 演示
](
032.md
)
+
[
分布式训练
](
033.md
)
+
[
Keras 的分布式训练
](
034.md
)
+
[
使用 tf.distribute.Strategy 进行自定义训练
](
035.md
)
+
[
利用 Keras 来训练多工作器(worker)
](
036.md
)
+
[
利用 Estimator 进行多工作器训练
](
037.md
)
+
[
使用分布策略保存和加载模型
](
038.md
)
+
[
Distributed Input
](
039.md
)
+
[
图像
](
040.md
)
+
[
卷积神经网络(Convolutional Neural Network, CNN)
](
041.md
)
+
[
Image classification
](
042.md
)
+
[
Transfer learning and fine-tuning
](
043.md
)
+
[
Transfer learning with TensorFlow Hub
](
044.md
)
+
[
Data augmentation
](
045.md
)
+
[
图像分割
](
046.md
)
+
[
文本
](
047.md
)
+
[
单词嵌入向量
](
048.md
)
+
[
使用 RNN 进行文本分类
](
049.md
)
+
[
循环神经网络(RNN)文本生成
](
050.md
)
+
[
基于注意力的神经机器翻译
](
051.md
)
+
[
Image captioning with visual attention
](
052.md
)
+
[
理解语言的 Transformer 模型
](
053.md
)
+
[
Fine-tuning a BERT model
](
054.md
)
+
[
结构化数据
](
055.md
)
+
[
对结构化数据进行分类
](
056.md
)
+
[
Classification on imbalanced data
](
057.md
)
+
[
Time series forecasting
](
058.md
)
+
[
生成
](
059.md
)
+
[
神经风格迁移
](
060.md
)
+
[
DeepDream
](
061.md
)
+
[
深度卷积生成对抗网络
](
062.md
)
+
[
Pix2Pix
](
063.md
)
+
[
CycleGAN
](
064.md
)
+
[
Adversarial example using FGSM
](
065.md
)
+
[
Intro to Autoencoders
](
066.md
)
+
[
卷积变分自编码器
](
067.md
)
+
[
可解释性
](
068.md
)
+
[
Integrated gradients
](
069.md
)
+
[
强化学习
](
070.md
)
+
[
Playing CartPole with the Actor-Critic Method
](
071.md
)
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录