GithubHelp home page GithubHelp logo

jikexueyuanwiki / tensorflow-zh Goto Github PK

View Code? Open in Web Editor NEW
12.4K 12.4K 4.2K 43.23 MB

谷歌全新开源人工智能系统TensorFlow官方文档中文版

Home Page: http://wiki.jikexueyuan.com/project/tensorflow-zh/

C++ 0.59% Python 4.37% HTML 0.04% TeX 95.01%

tensorflow-zh's Introduction

TensorFlow 官方文档中文版

你正在阅读的项目可能会比 Android 系统更加深远地影响着世界!

缘起

2015年11月9日,Google发布人工智能系统TensorFlow并宣布开源,同日,极客学院组织在线TensorFlow中文文档翻译。

机器学习作为人工智能的一种类型,可以让软件根据大量的数据来对未来的情况进行阐述或预判。如今,领先的科技巨头无不在机器学习下予以极大投入。Facebook、苹果、微软,甚至国内的百度。Google 自然也在其中。「TensorFlow」是 Google 多年以来内部的机器学习系统。如今,Google 正在将此系统成为开源系统,并将此系统的参数公布给业界工程师、学者和拥有大量编程能力的技术人员,这意味着什么呢?

打个不太恰当的比喻,如今 Google 对待 TensorFlow 系统,有点类似于该公司对待旗下移动操作系统 Android。如果更多的数据科学家开始使用 Google 的系统来从事机器学习方面的研究,那么这将有利于 Google 对日益发展的机器学习行业拥有更多的主导权。

为了让国内的技术人员在最短的时间内迅速掌握这一世界领先的 AI 系统,极客学院 Wiki 团队发起对 TensorFlow 官方文档的中文协同翻译,一周之内,全部翻译认领完成,一个月后,全部30章节翻译校对完成,上线极客学院Wiki平台并提供下载。

Google TensorFlow项目负责人Jeff Dean为该中文翻译项目回信称:"看到能够将TensorFlow翻译成中文我非常激动,我们将TensorFlow开源的主要原因之一是为了让全世界的人们能够从机器学习与人工智能中获益,类似这样的协作翻译能够让更多的人更容易地接触到TensorFlow项目,很期待接下来该项目在全球范围内的应用!"

Jeff回信原文:

jeff

再次衷心感谢每一位为该翻译项目做出贡献的同学,我们会持续关注TensorFlow、AI领域以及其它最新技术的发展、持续维护该协作翻译、持续提供更多更优质的内容,为广大IT学习者们服务!

内容来源

英文官方网站:
http://tensorflow.org/

官方GitHub仓库:
https://github.com/tensorflow/tensorflow

中文版 GitHub 仓库:
https://github.com/jikexueyuanwiki/tensorflow-zh

参与者(按认领章节排序)

翻译

校对

进度记录

  • 2015-11-10, 谷歌发布全新人工智能系统TensorFlow并宣布开源, 极客学院Wiki启动协同翻译,创建 GitHub 仓库,制定协同规范
  • 2015-11-18, 所有章节认领完毕,翻译完成18章,校对认领7章,Star数361,fork数100,协同翻译QQ群及技术交流群的TF爱好者将近300人,GitHub搜索TensorFlow排名第二
  • 2015-12-10, Star数超过500
  • 2015-12-15, 项目正式上线

花絮

在组织翻译的过程中,有些事情令人印象深刻,记录下来,希望以后来学习文档的同学能够明了到手中这份文档的由来:

  • 参加翻译的有学生,也有老师;有专门研究AI/ML的,也有对此感兴趣的;有国内的,也有远在纽约的;有工程技术人员也有博士、专家
  • 其中一位,恩泽同学,为了翻译一篇文档,在前一天没有睡觉的情况下坚持翻完,20个小时没有合眼
  • 还有一位老师,刚从讲台上讲完课,就立即给我们的翻译提修改意见
  • 很多同学自发的将搭建环境中遇到的问题总结到FAQ里帮助他人
  • 为了一个翻译细节,经常是来回几次,和其他人讨论完善

持续改进

这样的一个高技术领域的文档,我们在翻译的过程中,难免会有不完善的地方,希望请大家一起帮助我们持续改进文档的翻译质量,帮助更多的人,方法:

  • 在GitHub上提Issue或Pull Request,地址为: https://github.com/jikexueyuanwiki/tensorflow-zh
  • 加入TensorFlow技术交流群,与TensorFlower们一起研究交流技术干货--TensorFlow技术交流群:782484288
  • 对翻译感兴趣?加入协同翻译群:248320884,与翻译大神一道研究TensorFlow的本地化
  • 给我们写邮件: [email protected]

感谢支持

离线版本

目前,离线版本(PDF、ePub)可正常下载、使用

Tex-PDF 修订版

Tex-PDF 修订版 目前正在编订中,欢迎加入进来一起修订。您可以在此查看预览版目前最新状态。

tensorflow-zh's People

Contributors

andyiac avatar btpeter avatar claudeliang avatar derekshang avatar earlgrey0103 avatar ericxk avatar floydzhang315 avatar jiahui-qin avatar jinhaiz avatar lichamnesia avatar linbojin avatar liujingchao avatar lucky521 avatar nb312 avatar oskycar avatar pfzheng avatar qiaohaijun avatar seikascarlet avatar sstruct avatar sunshine-smdbs avatar terencecooper avatar terry182 avatar thylaco1eo avatar volvet avatar wangaicc avatar wanghong-yang avatar wenquan0hf avatar zhangkom avatar zhnathaniellee avatar zhyhooo avatar

Stargazers

 avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar

Watchers

 avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar

tensorflow-zh's Issues

y书写错误

tex_pdf/tutorials/c2s01_minist_beginners.tex 263行
y = tf.placeholder("float", [None,10])
应为
y_ = tf.placeholder("float", [None,10])

TensorBoard:可视化学习

TensorBoard:可视化学习章节中,
summary_writer = tf.train.SummaryWriter('/tmp/mnist_logs', sess.graph)
是否应该为:
summary_writer = tf.train.SummaryWriter('/tmp/mnist_logs', sess.graph_def)
官方文档中的例子为:
writer = tf.train.SummaryWriter(, sess.graph_def)

input_data.py 的链接失效

https://github.com/jikexueyuanwiki/tensorflow-zh/blob/master/SOURCE/tutorials/mnist_beginners.md
这里, input_data.py下载的link 为 https://tensorflow.googlesource.com/tensorflow/+/master/tensorflow/g3doc/tutorials/mnist/input_data.py

但是事实上, 这个link已经失效了, tensorflow官网上的 MNIST For ML Beginners 这个地方也有同样的问题。

解决的办法: input_data.py 依然可以在这里找到
https://tensorflow.googlesource.com/tensorflow/+/master/tensorflow/examples/tutorials/mnist/input_data.py

第一章 起步 简介-py代码即将失效

章节:第一章 起步 简介
页码:10
修改内容:Python 程序

# 初始化变量
init = tf.initialize_all_variables()

修改为:

# 初始化变量
init = tf.global_variables_initializer()

因为:
WARNING:tensorflow:From :1 in .: initialize_all_variables (from tensorflow.python.ops.variables) is deprecated and will be removed after 2017-03-02.
Instructions for updating:
Use tf.global_variables_initializer instead.

专业术语讨论

请大家把翻译/校对过程中遇到的专业术语问题提到这里来讨论,一起统一意见

文档笔误(官网已修正,翻译文档依旧)

笔误位置:/tutorials/mnist/beginners/The MNIST Data
For example, 0 would be ([1,0,0,0,0,0,0,0,0,0,0])
文档原意应该是指其数组为10维数组,但是给出的例子却是一个11维数组。
官网修正文本如下:
For example, 3 would be ([0,0,0,1,0,0,0,0,0,0])

对遇到的一些词汇的翻译建议

建议 翻译中 遇到的 TensorBoard 用格式 TensorBoard _TensorBoard_ (斜体加粗)来凸显!
而对于一些专业词汇,如:Python 用格式 Python Python (加粗)来凸显

1.3中sub函数被版本更新废除

sess = tf.InteractiveSession()

x = tf.Variable([1.0, 2.0])
a = tf.constant([3.0, 3.0])

# 使用初始化器 initializer op 的 run() 方法初始化 'x' 
x.initializer.run()

# 增加一个减法 sub op, 从 'x' 减去 'a'. 运行减法 op, 输出结果 
sub = tf.sub(x, a)
print sub.eval()```

改为

```import tensorflow as tf
sess = tf.InteractiveSession()

x = tf.Variable([1.0, 2.0])
a = tf.constant([3.0, 3.0])

x.initializer.run()
sub = tf.subtract(x, a)
print (sub.eval())```

翻译不准确

33页
“对于softmax回归模型可以用下面的图解释,对于输入的 xs 加权求和...”

官网的意思是 s是x 的复数形式,而不是“xs”这么一个东西,想了半天xs是什么。。官网只有x用了MathJax格式。

错误

where Wi is the weights。原文错误还是什么错误不知道 这个地方应该是Wi,j吧。

翻译文档中的一处错误

在MNIST 机器学习入门的“训练模型”,有一句话“我们把 y_ 的每一个元素和 tf.log(y_) 的对应元素相乘”,应该是tf.log(y)。
本段最后缺失了一个标点符号)

超链接打不开啊

只有我一个人超链接打不开么,不管是windows,还是mac,不同的pdf阅读器,貌似你的超链接,所有的['阅读教程'] 比如MNIST教程之类的,链接完全打不开

45页方程有误

45页第一个方程有误,y1应该等于w11x1 + w12x2 + w13x3 + b1而非w11x1+w12x1+w13x1 + b1

TensorFlow 官方文档中文版中目录与各章标题不符

TensorFlow 官方文档中文版网页版的导航目录与各章标题不符。例如导航栏目录中的介绍,打开后该章节内容为简介; 还比如导航栏目录中的递归神经网络,打开后该章节内容为循环神经网络。wiki百科上将recurrent neural network翻译为(时间)递归神经网络,而recursive neural network翻译为(结构)递归神经网络,以表示recursive neural network是recurrent neural network的一个分支。个人认为两种神经网络还是不要混淆为好。

Typo in readme.md

参与步骤这个章节的这句话

"翻译过程请参 翻译协作规范 ,完成翻译后提交 pull request 给主仓库的master分支;"
漏掉了一个字吧。

"请参考"或者"请参照"。
然后后面的"翻译协作规范",可以页面内链接过去,一开始还以为在那个文件里面,结果就是下一章节。
或者括号请见下一节。

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.