17
TensorFlow教程之進階指南 3.1 總覽
本文檔為TensorFlow參考文檔，本轉載已得到TensorFlow中文社區授權。
綜述 Overview
Variables: 創建，初始化，保存，和恢複
TensorFlow Variables 是內存中的容納 tensor 的緩存。這一小節介紹了用它們在模型訓練時(during training)創建、保存和更新模型參數(model parameters) 的方法。
TensorFlow 機製 101
用 MNIST 手寫數字識別作為一個小例子，一步一步的將使用 TensorFlow 基礎架構(infrastructure)訓練大規模模型的細節做詳細介紹。
TensorBoard: 學習過程的可視化
對模型進行訓練和評估時，TensorBoard 是一個很有用的可視化工具。此教程解釋了創建和運行 TensorBoard 的方法，和使用摘要操作(Summary ops)的方法，通過添加摘要操作(Summary ops)，可以自動把數據傳輸到 TensorBoard 所使用的事件文件。
TensorBoard: 圖的可視化
此教程介紹了在 TensorBoard 中使用可視化工具的方法，它可以幫助你理解張量流圖的過程並 debug。
數據讀入
此教程介紹了把數據傳入 TensorSlow 程序的三種主要的方法： Feeding, Reading 和 Preloading.
線程和隊列
此教程介紹 TensorFlow 中為了更容易進行異步和並發訓練的各種不同結構(constructs)。
添加新的 Op
TensorFlow 已經提供一整套節點操作(）operation)，你可以在你的 graph 中隨意使用它們，不過這裏有關於添加自定義操作(custom op)的細節。
自定義數據的 Readers
如果你有相當大量的自定義數據集合，可能你想要對 TensorFlow 的 Data Readers 進行擴展，使它能直接以數據自身的格式將其讀入。
使用 GPUs
此教程描述了用多個 GPU 構建和運行模型的方法。
共享變量 Sharing Variables
當在多 GPU 上部署大型的模型，或展開複雜的 LSTMs 或 RNNs 時，在模型構建代碼的不同位置對許多相同的變量（Variable）進行讀寫常常是必須的。設計變量作用域（Variable Scope）機製的目的就是為了幫助上述任務的實現。
最後更新：2017-08-22 16:04:21