推荐一些有助于理解TensorFlow机制的资料(一)

导读:本文推荐了一些对深入理解TensorFlow非常有帮助的资料。通过阅读这些资料,可以帮助你理解TensorFlow的实现机制以及一些高级技巧。本文是该系列的第一篇,后续还会持续推荐一些与TensorFlow相关的精品资料。


TensorFlow源码


链接:https://github.com/tensorflow/tensorflow

几年来,TensorFlow已经积累了大量的源码,完整地阅读源码对大部分人来说不大现实。这里推荐读者可以阅读以下TensorFlow的源码结构,了解一下TensorFlow是如何利用C++作为内核,并对外提供Python/Java等接口的。



官方教程——图和会话


链接:https://www.tensorflow.org/programmers_guide/graphs

该资源很好地介绍了了TensorFlow中的Graph和Session,尤其是静态图的几大优势。TensorFlow并不是因为难以实现动态图而选择默认使用静态图,而是静态图对于工业化产品具有很多特有的优势,有兴趣的读者可以详细阅读这个资料。



官方教程——导入数据


https://www.tensorflow.org/programmers_guide/datasets

大部分TensorFlow使用者依然在使用传统的手工构建feed_dict的方法进行数据导入,但其实TensorFlow提供了高效的数据导入机制。教程中介绍了如何利用该机制从numpy、文件等载体进行数据导入。


TensorFlow-Examples


链接:https://github.com/aymericdamien/TensorFlow-Examples

非常给力的TensorFlow入门示例,对于有numpy基础的朋友,阅读示例中的源码可以直接上手TensorFlow的大部分基础模型(MLP、CNN、RNN等)。


TensorFlow架构


链接:https://www.tensorflow.org/extend/architecture

帮助理解TensorFlow的实现机制,例如,TensorFlow在CPU上的矩阵运算是依赖一个叫Eigen的库实现的。非常适合结合源码一起阅读。


更多教程资料请访问:人工智能知识资料全集

-END-

专 · 知

人工智能领域主题知识资料查看与加入专知人工智能服务群

【专知AI服务计划】专知AI知识技术服务会员群加入人工智能领域26个主题知识资料全集获取

点击上面图片加入会员

请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料

请扫一扫如下二维码关注我们的公众号,获取人工智能的专业知识!

点击“阅读原文”,使用专知


展开全文
Top
微信扫码咨询专知VIP会员