趋近智
TensorFlow 入门
章节 1: TensorFlow 基本知识与环境设置
TensorFlow 2.x 简介
配置开发环境
CPU 与 GPU 的考量
验证您的安装
TensorFlow 生态系统概览
章节 2: TensorFlow核心要点
理解张量
张量运算
TensorFlow 中的变量
使用 GradientTape 进行自动微分
tf.function 介绍
练习：张量操作与梯度
章节 3: 使用 Keras 构建模型
Keras：TensorFlow 的高级 API
Sequential 模型 API
Keras 常用层
激活函数
复杂模型的函数式API
自定义层和模型 (简介)
动手实践：构建分类器
章节 4: 模型的训练与评估
编译模型：损失函数
编译模型：优化器
编译模型：指标
使用 model.fit() 进行训练
使用 model.evaluate() 评估模型表现
使用 model.predict() 进行预测
训练时使用回调
使用 TensorBoard 可视化训练
实践：训练与监控
章节 5: tf.data 数据输入管道
为什么选择 tf.data？
从张量、NumPy 和生成器创建数据集
使用 TFRecord 文件
应用转换：map()
批处理与混洗
为提高性能而预取
将 tf.data 与 model.fit() 结合使用
使用 tf.data 进行图像数据增强
动手实践：构建图像数据管道
章节 6: 保存和加载模型
为什么要保存和加载模型？
训练期间保存检查点
仅保存权重
保存整个模型（架构 + 权重 + 优化器状态）
TensorFlow SavedModel 形式
加载预训练模型
TensorFlow Hub 简介
练习：模型训练的保存与恢复
为提高性能而预取
这部分内容有帮助吗？
- Better performance with the tf.data API, TensorFlow Authors, 2023 TensorFlow official documentation - 这是优化
tf.data管道的官方主要资源，详细介绍了prefetch()和AUTOTUNE。 - tf.data: A Flexible and Performant Data Input Pipeline for TensorFlow, Ethan Holtz, Anjali Sridhar, Martin Wicke, Emily Newman, Anirudh Raman, Jeremy Hyrkas, Sameer Singh, 2018 2nd Conference on Systems for Machine Learning (SysML) (USENIX) DOI: 10.5555/3295222.3295229 - 介绍了
tf.dataAPI，解释了其构建高效灵活数据管道的设计原则，包括prefetch等操作的动机。 - Performance Guide, TensorFlow Authors, 2023 TensorFlow official documentation - 本指南概述了TensorFlow中的各种性能优化技术，其中
tf.data输入管道优化（包括预取）是关键组成部分。 - Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, Aurélien Géron, 2022 (O'Reilly Media) - 一本全面介绍TensorFlow的实用指南，涵盖了使用
tf.data构建和优化数据输入管道，提供了具体的性能实践和建议。