Variables: 創(chuàng)建，初始化，保存，和恢復(fù)

TensorFlow Variables 是內(nèi)存中的容納 tensor 的緩存。這一小節(jié)介紹了用它們在模型訓(xùn)練時(during training)創(chuàng)建、保存和更新模型參數(shù)(model parameters) 的方法。

參看教程

TensorFlow 機制 101

用 MNIST 手寫數(shù)字識別作為一個小例子，一步一步的將使用 TensorFlow 基礎(chǔ)架構(gòu)(infrastructure)訓(xùn)練大規(guī)模模型的細節(jié)做詳細介紹。

參看教程

TensorBoard: 學(xué)習(xí)過程的可視化

對模型進行訓(xùn)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(chuàng)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(shù)據(jù)傳輸?shù)?TensorBoard 所使用的事件文件。

參看教程

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并 debug。

參看教程

數(shù)據(jù)讀入

此教程介紹了把數(shù)據(jù)傳入 TensorSlow 程序的三種主要的方法： Feeding, Reading 和 Preloading.

參看教程

線程和隊列

此教程介紹 TensorFlow 中為了更容易進行異步和并發(fā)訓(xùn)練的各種不同結(jié)構(gòu)(constructs)。

參看教程

添加新的 Op

TensorFlow 已經(jīng)提供一整套節(jié)點操作(）operation)，你可以在你的 graph 中隨意使用它們，不過這里有關(guān)于添加自定義操作(custom op)的細節(jié)。

參看教程。

自定義數(shù)據(jù)的 Readers

如果你有相當(dāng)大量的自定義數(shù)據(jù)集合，可能你想要對 TensorFlow 的 Data Readers 進行擴展，使它能直接以數(shù)據(jù)自身的格式將其讀入。

參看教程。

使用 GPUs

此教程描述了用多個 GPU 構(gòu)建和運行模型的方法。

參看教程

共享變量 Sharing Variables

當(dāng)在多 GPU 上部署大型的模型，或展開復(fù)雜的 LSTMs 或 RNNs 時，在模型構(gòu)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(shè)計變量作用域（Variable Scope）機制的目的就是為了幫助上述任務(wù)的實現(xiàn)。

參看教程。

原文： How-to

翻譯：Terence Cooper

校對：lonlonago