튜토리얼
기본 뉴럴 네트워크
MNIST 초급
만약 기계학습을 처음 배우신다면, 여기서부터 출발하기를 권장드립니다. MNIST라는 손으로 쓰여진 숫자를 분류하는 전통적인 문제에 대해 배워, 다중 분류에 관한 가벼운 입문을 할 수 있습니다.
MNIST 고급
만약 이미 다른 딥러닝 소프트웨어 패키지와 MNIST에 익숙하시다면, 이 튜토리얼이 텐서플로우에 관한 매우 간단한 시작점이 될 것입니다.
텐서플로우 구조
규모 있는 모델을 학습시키기 위해 텐서플로우의 인프라를 조금 더 자세하게 알아보고자 할 때의 기술적인 튜토리얼입니다. MNIST를 예시로 이용합니다.
MNIST 데이터 다운로드
MNIST 숫자 데이터셋을 다운로드하는 것에 대한 자세한 사항입니다. 꽤 흥미로운 자료입니다.
tf.contrib.learn을 사용한 간편한 머신러닝
tf.contrib.learn 시작하기
텐서플로우의 고수준 API인 tf.contrib.learn의 간략한 입문입니다. 단 몇 줄의 코드로 신경망을 만들고, 훈련하고, 평가합니다.
tf.contrib.learn 선형모델 소개
텐서플로우에서 선형 모델을 작업하기 위해서, tf.contrib.learn의 풍부한 도구에 대해 소개합니다.
선형모델 튜토리얼
이 튜토리얼은 tf.contrib.learn을 이용해 선형 모델을 만드는 코드를 살펴볼 수 있습니다.
와이드앤 딥러닝 튜토리얼
이 튜토리얼은 각 모델의 장점을 결합하기 위해 선형 모델과 딥 신경망을 tf.contrib.learn을 이용해 동시에 학습시키는 방법을 보여줍니다.
텐서플로우 서빙
텐서플로우 서빙
생산적인 환경 마련을 위한, 기계학습 모델을 제공하는 유연하고 우수한 시스템인 텐서플로우 서빙을 소개합니다.
이미지 프로세싱
콘볼루션 뉴럴 네트워크
CIFAR-10 데이터셋을 이용한 콘볼루션 신경망에 관한 소개입니다. 시각적인 자료에 관해 더 함축적이고 효과적인 표현을 산출하기 위해 변환 불변성을 이용하기 때문에, 콘볼루션 신경망은 특별히 이미지 처리에 맞게 설계되어 있습니다.
이미지 인식
ImageNet Challenge 데이터와 라벨 데이터셋으로 훈련된 콘볼루션 신경망을 이용해 물체를 인식하는 법을 배웁니다.
Deep Dream 시각 환상
인셉션 인식 모델을 구축한, Deep Dream 신경망 시각 환상 소프트웨어의 텐서플로우 버전을 배포합니다.
언어와 시퀀스 프로세싱
word2vec 모델
이 튜토리얼은 단어를 벡터로 표현하는 방법(워드 임베딩)을 배우는 게 어째서 유용한지에 관해 여러분의 흥미를 자극할 것입니다. 임베딩을 학습하기 위한 효과적인 모델로 word2vec 모델을 소개합니다. 또한, 노이즈-대조 학습 방법을 지지하는 높은 수준의 디테일도 다룰 것입니다.
리커런트 뉴럴 네트워크
영어 문장에서 다음 단어를 예측하기 위해 LSTM 네트워크를 학습하는 RNN에 관한 소개입니다. (언어 모델링이라고도 부르는 작업입니다.)
seq2seq 모델
RNN 튜토리얼에 이어, 기계 번역을 위해 시퀀스-시퀀스 모델을 결합합니다. 전체적으로 머신이 학습해, 자신 만의 영어-프랑스어 번역기를 만드는 것을 배웁니다.
SyntaxNet
텐서플로우를 위한 자연언어처리 프레임워크인 SyntaxNet을 소개합니다.
비머신러닝 애플리케이션
만델브로트
텐서플로우는 기계학습과 관련이 없는 연산 작업에도 활용될 수 있습니다. 여기서는 만델브로트 데이터셋을 시각화하는 나이브한 구현을 보여줍니다.
편미분 방정식
기계학습과 관련이 없는 또 다른 예시로, 연못에 떨어지는 빗방울에 관한 나이브한 PDF 시뮬레이션의 예시를 제공합니다.