Tensorflow系列文

ithome 30天鐵人賽原始碼

30天大雜燴

基礎篇：
【01】前言、先備技能需求以及環境介紹
【02】基本功：將graph存成tfevent，使用tensorboard瀏覽
【03】新手常誤解的用法，tensorflow 多個 graph 處理
【04】tensorflow 到底該用 name scope 還是 variable scope
【05】tensorflow 的 convolution 方式好多種，我該用哪個...
【06】tensorflow 細看存檔：checkpoint 篇
【07】tensorflow 細看存檔：save pb 篇
【08】tensorflow 細看存檔：load pb篇

Tensorboard 篇：
【09】從 tensorboard 來觀察：batch_normalization 和 dropout 的建模篇
【10】從 tensorboard 來觀察：你容易忽略的 batch_normalization 原理篇
【11】從 tensorboard 來觀察：dropout 原理篇

資料集篇：
【12】tensorflow 資料集應用：製作 tfrecord 篇
【13】tensorflow 資料集應用：讀取 tfrecord 篇
【14】tensorflow 資料集應用：利用 TFRecordDataset 達成 Data Augmentation 篇

訓練篇：
【15】tensorflow 訓練技巧：control_dependencies 篇
【16】tensorflow 訓練技巧：用 piecewise_constant 達成可變動 learning rate 篇
【17】tensorflow 訓練技巧：運用 GraphKeys.UPDATE_OPS 來更新 Batch Normalization 權重篇
【18】tensorflow 訓練技巧：模型如何輕鬆又方便地做 regularization 篇
【19】tensorflow 訓練技巧：用 tf.GraphKeys.TRAINABLE_VARIABLES 評估模型效能篇
【20】tensorflow 訓練技巧：觀念一次就搞懂 Gradient Descent, Momentum, Adagrad, RMSProp, Adam 五種 optimizer 差異篇
【21】tensorflow 訓練技巧：使用 tf.summary 搭配 tensorboard 儀表板篇
【22】tensorflow 訓練技巧觀念混合運用篇

優化篇：
【23】tensorflow 模型優化手術：ensure_graph_is_valid 篇
【24】tensorflow 模型優化手術：把一般輸入改成 pre processing 輸入篇
【25】tensorflow 模型優化手術：每次推論都要對 training node 設 false 很麻煩，如何鎖住 training node 篇
【26】tensorflow 模型優化手術：推論時經過 dropout 很多餘？如何去掉 dropout layer 篇
【27】tensorflow 模型優化手術：除去冗贅的 Merge、Switch 運算節點，模型再剪枝篇
【28】tensorflow 模型優化手術：給我折下去！模型 folding batch normalization 篇
【29】tensorflow 模型優化手術：優化前 vs 優化後評比篇
【30】tensorflow 模型優化手術：移動端的部署 tf.lite 篇

完賽篇：
【31】tensorflow 訓練經驗文完賽心得