Tensorflow游乐场
Google深度学习部门Google Brain的掌门人,也是Google里受万众景仰的神级别工程师Jeff Dean,在Google Plus上发布了Tensorflow游乐场的消息:http://playground.tensorflow.org。可以去简单地模拟深度学习的过程。连线越粗表明权重越大。
个人如果比较关注CV这块的内容的话,可以去看一些经典的CV模型,比如alexnet,googlenet,vgg,deep residual network等等,然后去找相关的tensorflow的代码实现,在读完paper之后,去看相关的代码结构,发现理解很容易,还有一些比较火的CV地应用的例子,我都会去看看相关的paper、如果没有基于tensorflow的源码,回去试写一下。
如
TF之深入理解GoogleLeNetTensorFlow: http://hacker.duanshishi.com/?p=1678
TF之深入理解AlexNetTensorflow: http://hacker.duanshishi.com/?p=1661
TF之深入理解Neural Style: http://hacker.duanshishi.com/?p=1651
TF入门一: http://hacker.duanshishi.com/?p=1639
TensorFlow有个白皮书:http://download.tensorflow.org/paper/whitepaper2015.pdf,这个论文整明白了,大致模型就明白了。然后学习demo。最后在深入整个代码。白皮书有个快翻译完的中文版:http://www.jianshu.com/p/65dc64e4c81f
不过建议大家不要把这门课用来入门上手,理论部分讲解的可能不适合入门级。作业代码可能也需要花点时间去理解。
- 看Paper,了解TensorFlow核心概念
- 看官方文档,了解Usage
- 参照文档写Demo
- 使用TensorBoard加深印象
- 搭建分布式TensorFlow
- 学习深度学习算法
- 写更多的Demo
- 学更多的深度学习算法
- 写更多的Demo
- 参与TensorFlow社区讨论
- 看TensorFlow源码
First Contact With TensorFlow ,和 TensorFlow官方文档中文版_TensorFlow中文教程_TensorFlow开发中文手册[PDF]下载
入门最佳拿好不谢
由于一直做的是文本,基于图像数据的项目都没怎么仔细看过,昨天完整读了官方[cifar10]( tensorflow/tensorflow/models/image/cifar10 at master · tensorflow/tensorflow · GitHub)整个项目的代码,惊觉这不就是完美的tensorflow项目架构吗!
因此,对于已经看过一定tf代码的童鞋,一定要看官方cifar10的整个项目逻辑。醍醐灌顶,非常有帮助。
至于为什么是先看过一定代码,原因是只有看了很多项目组织代码的烂方式后,才能发现这其中的精妙所在呀!
1.看廖雪峰的 Python教程,熟悉Python的基本语法和特性,比如迭代器(列表生成表达式),生成器(yield关键字,节省内存),装饰器(设计模式),高阶函数(函数的函数),匿名函数(lambda表达式),返回函数(闭包),位置参数,默认参数,可变参数,常用模块,定制类,枚举类,元类,理解动态特性。
<img src="https://i-blog.csdnimg.cn/blog_migrate/a10a33c6892e0e67683f6bbb00da43b2.png" data-rawwidth="981" data-rawheight="672" class="origin_image zh-lightbox-thumb" width="981" data-original="https://pic4.zhimg.com/v2-37a4b233c23507bb3602b05a1d36d853_r.png">如果熟悉自动编码器,就先看autoencoder;如果熟悉计算机视觉,就看compresssion(图像压缩),im2txt(图像描述),inception~resnet残差网络~slim(图像分类),street(路标识别或验证码识别),;如果对NLP比较感兴趣,可以看lm_1b(语言模型),namignizer(起名字),tutorials里的word2vec以及swivel(词向量),syntaxnet(分词和语法分析),textsum(文本摘要);还有
3.另外,这里 TensorFlow-Examples,也有大量的基于tensorflow实现的例子,不仅包括更加丰富的深度学习模型,还有一些机器学习的实现。
4.关于参考文档,因为版本更新较快,而且变化也略大;在python shell里查看当前所使用tensorflow版本的API,方便而且准确,比如help(tf.nn.ctc_loss):
<img src="https://i-blog.csdnimg.cn/blog_migrate/003c35cf7386674a2d78aeb64d9df192.png" data-rawwidth="977" data-rawheight="516" class="origin_image zh-lightbox-thumb" width="977" data-original="https://pic4.zhimg.com/v2-076bb5d8966721d5e2df8495256138fb_r.png">5. 如果熟悉增强学习,或者想进阶到增强学习,深度学习玩游戏,推荐跑这个
<img src="https://i-blog.csdnimg.cn/blog_migrate/523a9b72d90578f68764e256df6d8105.png" data-rawwidth="513" data-rawheight="394" class="origin_image zh-lightbox-thumb" width="513" data-original="https://pic2.zhimg.com/v2-f7bb00d978f6029cb777ccaf2dc717c1_r.png">原理分析
听说莫烦的视频还不错。https://morvanzhou.github.io/tutorials/
更多推荐
所有评论(0)