Git Product home page Git Product logo

tensorflow-in-depth's Introduction

Table of Contents generated with DocToc

深入理解 TensorFlow 架构设计与实现原理

此项目托管了《深入理解 TensorFlow 架构设计与实现原理》一书的样章与部分示例代码。

"很高兴能够在这个时候看到一本讲授如何使用TensorFlow的专业书籍。作者是深谙计算机系统之道的一线工程师,带给读者的是产生自实战经验基础上的理解。非常难得的是,本书除了讲解如何使用TensorFlow还加入了对系统设计原理方面的剖析,有助于读者做针对性的应用和系统优化。相信本书对从事深度学习方面研究和开发的读者定会有所裨益。"

—— 查礼 **科学院计算技术研究所 副研究员 **大数据技术大会(BDTC) 发起人

“TensorFlow还是一个较新的技术,但是发展极为迅猛,在这时候出现一本深入浅出讲解TensorFlow理论与应用的书籍,对于广大希望学习和应用大数据深度学习技术的读者而言,诚“如大旱之望云霓”。本书理论与实践并重,理论上讲清楚了一些本质的东西,并加入了作者对系统设计原理方面的深刻理解,并通过实际案例,引导读者掌握针对性的系统优化的技能。

本书第一作者是我的学生,12年入学时进入了浙大学习计算机专业的尖子班“求是科学班”,我担任了他们这个班的班主任。他不仅品学兼优,而且作为班上的团支书,帮我这个不太称职的班主任做了很多班级工作。在我心目中,他依然是入学时的青涩模样,转眼间却已成为开源软件届的技术翘楚,作为老师,最欣慰的莫过于此了吧。是为序。”

—— 陈刚 教育部“长江学者”特聘教授 浙江大学计算机学院院长

说明:代码文件格式为 "章节_代码名称",如3.6节线性回归最佳实践代码文件名为 "3.6_best_practice.py"。

第一部分 基础篇

第2章 TensorFlow环境准备

第3章 TensorFlow基础概念

第二部分 关键模块篇

第4章 TensorFlow数据处理方法

第5章 TensorFlow编程框架

第6章 TensorBoard可视化工具

第7章 TensorFlow模型托管工具

第三部分 算法模型篇

第8章 深度学习概述

第9章 卷积神经网络

第10章 生成对抗网络

第11章 循环神经网络

第四部分 核心揭秘篇

第12章 TensorFlow运行时核心设计与实现

第13章 通信原理与实现

第14章 数据流图计算原理与实现

第五部分 生态发展篇

第15章 TensorFlow生态环境

参考链接

tensorflow-in-depth's People

Contributors

djangopeng avatar gclouding avatar

Stargazers

 avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar

Watchers

 avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar

tensorflow-in-depth's Issues

P82 tf.TFRecordReader()不能正确读取

大佬你好!
请教下,
filename_queue=tf.train.string_input_producer(['stat.tfrecord'])
结果如下
WARNING:tensorflow:From <pyshell#9>:1: string_input_producer (from tensorflow.python.training.input) is deprecated and will be removed in a future version. Instructions for updating: Queue-based input pipelines have been replaced by tf.data. Use tf.data.Dataset.from_tensor_slices(string_tensor).shuffle(tf.shape(input_tensor, out_type=tf.int64)[0]).repeat(num_epochs). If shuffle=False, omit the .shuffle(...). WARNING:tensorflow:From D:\python\lib\site-packages\tensorflow\python\training\input.py:276: input_producer (from tensorflow.python.training.input) is deprecated and will be removed in a future version. Instructions for updating: Queue-based input pipelines have been replaced by tf.data. Use tf.data.Dataset.from_tensor_slices(input_tensor).shuffle(tf.shape(input_tensor, out_type=tf.int64)[0]).repeat(num_epochs). If shuffle=False, omit the .shuffle(...). WARNING:tensorflow:From D:\python\lib\site-packages\tensorflow\python\training\input.py:188: limit_epochs (from tensorflow.python.training.input) is deprecated and will be removed in a future version. Instructions for updating: Queue-based input pipelines have been replaced by tf.data. Use tf.data.Dataset.from_tensors(tensor).repeat(num_epochs). WARNING:tensorflow:From D:\python\lib\site-packages\tensorflow\python\training\input.py:197: QueueRunner.__init__ (from tensorflow.python.training.queue_runner_impl) is deprecated and will be removed in a future version. Instructions for updating: To construct input pipelines, use the tf.datamodule. WARNING:tensorflow:From D:\python\lib\site-packages\tensorflow\python\training\input.py:197: add_queue_runner (from tensorflow.python.training.queue_runner_impl) is deprecated and will be removed in a future version. Instructions for updating: To construct input pipelines, use thetf.data module.
请教怎么解决啊?
如果只改这一处似乎下面的还是错误的

第五章分布式最佳实践server未定义

问题描述:

在5.2_best_practice.py当中,第74行的server未定义(书中也没有定义),导致实践中出现server未定义的错误。

解决办法:

翻阅书本发现,在讲创建tensorflow集群时,有过server = tf.train.Server(cluster, job_name=FLAGS.job_name, task_index=FLAGS.task_index)的定义,而5.2_best_practice.py里并没有。自己尝试加上之后,PS作业无异常。

其他:

小小更正,也算不上什么大错误,书中的代码PS都是大写,而5.2_best_practice.py中PS为小写,如果不仔细看代码就会出错。

第五章的分布式架构实例有bug

在解决了上面两个issue后,按照123页运行后,还是无法启动两个gpu:worker,加一个cpu:PS分布式训练。求问命令行应该如何输入,还是代码的问题。

4.1 小节读取cifar示例代码不全

无论是书上的,还是github的,代码中相当多的变量未定义就使用。 4.1_best_practice.py 中36行label_bytes哪里定义了? 41行IMAGE_DEPTH_major也没有...

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.