基于TensorFlow2 + Keras讲解深度学习入门指南。

如果通过Github站内超链接打开Jupyter Notebook文件发生错误,可以点击根据 https://nbviewer.org 生成的"备用链接"间接访问对应文件。
或者通过以下链接访问整个项目的站外备用链接,注意点击站外备用链接里的非Jupyter Notebook格式文件会跳转回到Github仓库内:
●くろまる Deep_Learning_TensorFlow2_Examples

●くろまる 张量 (削除) (备用链接) (削除ここまで)]
●くろまる 变量 (削除) (备用链接) (削除ここまで)]
●くろまる 自动微分 (削除) (备用链接) (削除ここまで)]
●くろまる 图和函数简介
●くろまる 模块、层和模型简介 (削除) (备用链接) (削除ここまで)]
●くろまる 训练循环 (削除) (备用链接) (削除ここまで)]
●くろまる 高级自动微分
●くろまる 不规则张量
●くろまる 稀疏张量 (削除) (备用链接) (削除ここまで)]
●くろまる Numpy API
●くろまる Tensor切片

●くろまる Sequential模型 (削除) (备用链接) (削除ここまで)]
●くろまる Functional API (削除) (备用链接) (削除ここまで)]
●くろまる 使用内置方法进行训练和评估 (削除) (备用链接) (削除ここまで)]
●くろまる 通过子类化构建新层和模型
●くろまる 保存并加载Keras模型 (削除) (备用链接) (削除ここまで)]
●くろまる 使用预处理层 (削除) (备用链接) (削除ここまで)]
●くろまる 自定义Model.fit的操作流程 (削除) (备用链接) (削除ここまで)]
●くろまる 从头开始编写训练循环 (削除) (备用链接) (削除ここまで)]
●くろまる 采用Keras的循环神经网络(RNN)
●くろまる 采用Keras进行遮盖和填充 (削除) (备用链接) (削除ここまで)]
●くろまる 自动编写回调
●くろまる 迁移学习和微调
●くろまる 使用TensorFlow Cloud训练Keras模型

●くろまる TensorFlow Core API 快速入门 (削除) (备用链接) (削除ここまで)]
●くろまる 使用 Core API 进行二元分类的逻辑回归 (削除) (备用链接) (削除ここまで)]

●くろまる 创建操作
●くろまる 生成随机数字

●くろまる tf.data (削除) (备用链接) (削除ここまで)]
●くろまる 优化流水线性能
●くろまる 分析流水线性能

●くろまる Checkpoint (削除) (备用链接) (削除ここまで)]
●くろまる SavedModel (削除) (备用链接) (削除ここまで)]

●くろまる 分布式训练
●くろまる GPU
●くろまる TPU

●くろまる 使用tf.function提升性能
●くろまる 分析TensorFlow的性能
●くろまる 优化GPU性能
●くろまる 图优化
●くろまる 混合精度

●くろまる TensorFlow Serving和Docker
●くろまる 安装
●くろまる 提供TensorFlow模型
●くろまる 高级模型服务器配置

1.推荐系统
王树森推荐系统公开课 - 基于小红书的场景讲解工业界真实的推荐系统。
●くろまる Recommender_System

2.YouTuBe推荐系统排序模型
以"DNN_for_YouTube_Recommendations"模型和电影评分数据集(ml-1m)为基础,详尽的展示了如何基于TensorFlow2实现推荐系统排序模型。
●くろまる YouTube深度排序模型(多值embedding、多目标学习)

3.推荐系统推理服务
基于Goalng、Docker和微服务思想实现了高并发、高性能和高可用的推荐系统推理微服务,包括多种召回/排序服务,并提供多种接口访问方式(REST、gRPC和Dubbo)等,每日可处理上千万次推理请求。
●くろまる 推荐系统推理微服务Golang

4.机器学习 Sklearn入门教程
●くろまる 机器学习Sklearn入门教程