Tutorials（教程）

本节包含演示如何在TensorFlow中执行特定任务的教程。如果您是TensorFlow的新手，我们建议您在阅读这些教程之前阅读“入门”部分中的文档。

以下教程解释了TensorFlow系统上CPU和GPU的交互：

• 使用GPU以下教程介绍了图像识别的各个方面：

• 图像识别，它介绍了图像识别领域和用于识别图像的模型（初始）。

• 如何重新操练新类别的最后一层，其中有一个很好的不言自明的标题。

• TF层指南：建立一个卷积神经网络，它引入了卷积神经网络（CNN），并演示了如何在TensorFlow中建立一个CNN。

• 卷积神经网络，演示如何构建一个小的CNN来识别图像。本教程针对高级的TensorFlow用户。

以下教程重点关注人类语言中的机器学习问题：

• 向量表示的单词，它演示了如何创建一个单词的嵌入。

• 递归神经网络，演示如何使用递归神经网络来预测句子中的下一个单词。

• 序列到序列模型，演示如何使用序列到序列模型将文本从英语翻译成法语。

以下教程专注于线性模型：

• 带有TensorFlow的大规模线性模型，它引入了线性模型并演示了如何使用高级API构建它们。

• TensorFlow线性模型教程，演示如何解决TensorFlow中的二元分类问题。

• TensorFlow Wide＆Deep Learning教程，它解释了如何使用高级API共同训练宽线性模型和深度前馈神经网络。

• 使用显式内核方法改进线性模型，显示如何使用显式内核映射提高线性模型的质量。

• 简单的音频识别，它展示了如何建立一个基本的语音识别网络。

尽管TensorFlow专门从事机器学习，但您也可以使用TensorFlow来解决其他类型的数学问题。例如：

• Mandelbrot集合

• 偏微分方程