TensorFlow 练习

截至2017年，TensorFlow 可以说是最受欢迎的深度学习（deep learning）库。

本项目旨在帮助那些想要熟悉 TensorFlow 函数的人。特别是，我专注于将 TensorFlow 函数与 NumPy（事实上的标准数值计算库）中的等效函数进行比较。希望这能帮助你快速上手 TensorFlow。

基本大纲如下，但请注意这并非完全确定。

• 常量、序列和随机值（DONE）
• Graphs（计算图）（DONE）
• Variables（变量）（DONE）
• 数据读取（DONE）
• 张量变换（DONE）
• 数学运算 第1部分（DONE）
• 数学运算 第2部分（DONE）
• 数学运算 第3部分（DONE）
• Strings（字符串）（WIP）
• Control Flow（控制流）（DONE）
• Images（图像）（WIP）
• Sparse Tensors（稀疏张量）（DONE）
• 神经网络 第1部分（DONE）
• 神经网络 第2部分（DONE）
• 神经网络 第3部分（WIP）
• Seq2Seq（序列到序列）（DONE）
• 音频处理（DONE）

祝你学习愉快！

TensorFlow Exercises 快速上手指南

环境准备

• 操作系统：Linux、macOS 或 Windows
• Python 版本：3.7 及以上
• 前置依赖：TensorFlow 2.x、NumPy、Jupyter Notebook

安装步骤

# 1. 克隆项目仓库
git clone https://github.com/.../tensorflow-exercises.git
cd tensorflow-exercises

# 2. 创建虚拟环境（推荐）
python -m venv venv
source venv/bin/activate  # Linux/macOS
# 或
venv\Scripts\activate  # Windows

# 3. 使用国内镜像安装 TensorFlow
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow

# 4. 安装 Jupyter Notebook
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple notebook

# 5. 安装其他依赖（如有 requirements.txt）
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

基本使用

# 启动 Jupyter Notebook
jupyter notebook

在浏览器中打开示例文件（如 Constants.ipynb），逐行运行代码块即可开始学习。每个 Notebook 都包含 TensorFlow 函数与 NumPy 的对比示例，帮助快速理解 TensorFlow 用法。