tensorflow學習 從入門到實戰(轉)
原文作者:zhaozhengcoder
連結:https://www.jianshu.com/p/27a2fb320934
來源:簡書
簡書著作權歸作者所有,任何形式的轉載都請聯絡作者獲得授權並註明出處。
前一段時間比較系統的學習了一下tensorflow,從安裝tensorflow到實現一些小的demo。在這個過程裡面,在網上看了很多教程, 學習了很多大牛的部落格,看了很多很棒的程式碼,同時也掉進了很多坑,走了很多“彎路”。在這裡階段性的小結一下。
推薦的tensorlfow 教程 :
-
吳恩達的deeplearning ,網易雲課堂上面可以免費的觀看。這個不是講tensorflow,它更加註重 ,深度學習和機器學習的概念和數學推導過程。把這個課程看完之後,基本上會有對機器學習和深度學習有一個完整的認識,同時在寫tensorflow的時候,呼叫一些函式的時候,不會對底層感到很迷茫。
-
莫煩的tensorlfow教程
一個很好的tf教程,很適合入門。but它的教程更偏向於tensorflow的實現過程,對於網路模型的底層的數學過程,他介紹的不是很多。但是,我個人覺得這個非常重要,對於一個網路的正向和方向的資料流的過程以及維度的變化,還是要有一個清楚的認識。要不然對機器學習的認識就變成一個黑盒了。 -
周志華的西瓜書《機器學習》
很多人推薦的一本經典教程吧,是結合吳恩達的課程一起看的,但沒怎麼看完,也不敢多評價了。 -
李航 《統計學習方法》
作為一個對數學很畏懼的人,基本上最純數學的教程或書籍都是繞著走的。但是,這本是我看過的最好的數學類的書籍,很薄了一本書,淘寶20多元,但是真實的受益匪淺,學到了非常非常多的東西。這本書可以一直放在手邊,沒事多翻翻。 -
@hanbingtao 的部落格 https://www.zybuluo.com/hanbingtao/note/541458
這位大哥的部落格比較注重從網路模型的實現推導過程,從感知機到rnn,lstm,cnn全用公式推導了一次,包括正向和反向的過程。 -
還有幾個github :
Philippines大學的roatienza大爺的 https://github.com/roatienza
hanbingtao 的GitHub : https://github.com/hanbt
莫煩的GitHub :https://github.com/MorvanZhou
Xiang Liang的GitHub : -
還有實驗室的師兄們,給了很多幫助。和 stackoverflow 解決了很多遇到的問題。
-
公開課
Udacity Deep Learning 優達學城
英文 English 中文 Chinese 免費
cs231n 卷積神經網路與計算機視覺
cs224d 迴圈神經網路與自然語言處理
這是我用tf實現的常用的基本網路模型 ,這可能是最容易上手,註釋最多的tensorflow教程了。很多關於資料維度和tf的函式都加上了註釋,對新手來說很friendly。而且,他們都是可以從github上面拉下來就可以執行的!
包括:
- 線性迴歸 ,Logistic 迴歸
- 多層感知器 實現mnist手寫數字資料集的分類
- CNN卷積神經網路
- RNN遞迴神經網路
- LSTM網路
- 自編碼器
- 儲存和恢復模型
關於網路模型的介紹,程式碼的實現,學習過程中遇到的問題,掉的“坑”,在後面文章裡面再整理。先把程式碼放在這裡。github地址 :
https://github.com/zhaozhengcoder/Machine-Learning/tree/master/tensorflow_tutorials