没有合适的资源?快使用搜索试试~ 我知道了~
TensorFlow 如何入门? - 知乎
需积分: 50 22 下载量 194 浏览量
2017-10-18
10:11:34
上传
评论
收藏 5.54MB PDF 举报
温馨提示
试读
56页
知乎上的话题,TensorFlow 如何入门 地址为https://www.zhihu.com/question/49909565
资源推荐
资源详情
资源评论
2017/10/4 TensorFlow 如何入门? - 知乎
https://www.zhihu.com/question/49909565 1/56
47 个回答
TensorFlow 如何入门?
我本科不是学计算机的,现在在入门深度学习,因此我现在在对比 TensorFlow 中英文文档在学(一
个是英文官方,一个是极客学院的中文文档):
https://www.tensorflow.org/versions/master/tutorials/index.html
TensorFlow官方文档中文版_TensorFlow中文教程_TensorFlow开发中文手册[PDF]下载
然后我发现看教程时,原理都看得懂,但看代码时,TensorFlow每一个教程的代码的实现方式都不一
样,没有标准(估计是不同的人写的),而且还涉及很多底层的东西,进度很慢。
上上周发现了 TensorLayer,它的教程其实就是TensorFlow官方教程的模块化实现:
GitHub - zsdonghao/tensorlayer: TensorLayer: Deep learning and Reinforcement learning library for
Researchers and Engineers.
Welcome to TensorLayer
看这个库速度很快,一下子就学会算法原理和如何实现了,但是用这个库的话,感觉很多TensorFlow
底层原理就学不到了,比如 TensorFlow 源代码里的 Queue,看了很久很久都不懂(毕竟俺没有正式
学过计算机工程)。还有翻译例子里面,它直接用 embedding_attention_seq2seq() 函数,而不是每
个部分独立一种layer,不太明白里面的细节。
不知道大家在看 TensorFlow 教程时是怎么看的呢?
有没有其他一些资源可以学习?
关注者
9041
被浏览
531340
4 条评论 邀请回答 收起
关注问题 写回答
Python 科技 深度学习(Deep Learning) TensorFlow TensorLayer(深度学习库)
分享
默认排序
李沐大神说过,深度学习框架就是丹炉.
1. google丹炉的使用说明书:确实是很完善,从最开始出来到现在一直在更新,有段时间不看文
档,发现对了好多contrib的文档内容(这个特别棒,建议持续关注),所以,所以一直要持续
的关注/学习;
2. 炼丹友的反馈:做实验用第三方框架 tflearn, tensorlayer都很好,不过个人感觉还是要先猜猜
原生tensorflow源码的坑,所以在github上,watch tensorflow这个项目是必须的,尤其是没事看
看别人提的issue,很多时候会避免在之后你用到的问题;
3. 定位自己的方向:就是你做的这块的内容在tensorflow的体现,比如本人做cv的,会去关注
tensorflow/model下的各种cv方向的tensorflow/models,会去读它的代码实现,google的工程
实现确实很厉害,代码很完善,看着很漂亮,是种享受,还有就是github其他的基于tensorflow
的cv下的内容,挑star高的去看下,过不了多久,你就会慢慢模仿着用来写自己的model,而且
会显得很专业;
4. 关注丹方: TensorFlow就是一套工具,无论是mxnet、torch、paddle,真正我们要做的是用某
套工具把我们熟悉,了解的丹方炼出来,google model下tensorflow/models里面很最新的
image下的丹方,建议多熟悉熟悉,如果发现其他框架比如tflearn,tensorlayer,mxnet上没有
的可以去尝试用别的丹炉炼出来,这个很有用的,本人用tflearn写过googlenet,inception-
resnet-v2,用mxnet写过inception-resnet-v2,难度不大但你会学到从头到尾去熟悉丹炉;
5. 第三方支持框架: tensorflow出来后有很多高级的第三方包,例如tflearn,keras,
tensorlayer,提供高级的api用来快速实现某些功能,但是我觉得更大的好处其实不是快速写好
某个模型,而是其内部专业的高级api的代码实现,极其值得参考,本人比较熟悉tflearn,
tflearn里面的各种layer的写法简直是教科书级别的,童靴们在写tensorflow源码的时候完全可以
拿来参考
知乎用户
1075 人赞同了该回答
170 10 条评论 收藏 感谢 收起分享
私家课 · Live 推荐
刘看山 · 知乎指南 · 知乎协议
侵权举报 · 网上有害信息举报专区
违法和不良信息举报:010-82716601
儿童色情信息举报专区
联系我们 © 2017 知乎
下载知乎客户端
与世界分享知识、经验和见解
相关问题
我们检测到你可能使用了 AdBlock 或 Adblock Plus,它的部分策略可能会影响到正常功能的使用(如关注)。
你可以设定特殊规则或将知乎加入白名单,以便我们更好地提供服务。 (为什么?)
2017/10/4 TensorFlow 如何入门? - 知乎
https://www.zhihu.com/question/49909565 2/56
6. 金丹使用: model训练出来,如何使用?做inference还是保存下来对新的task做
pretrained+fine-tuning,这些都要关注,具体可以去看看例如neural style的model还有一些图像
分类比赛使用pretrained model的源码;
7. 框架底层的学习: 本人在这块不熟悉,但是个人觉得还是很有必要掌握这些,我之后会在一段
时间好好关注下这部分,读读轻量级框架pjreddie/darknet,tiny-dnn/tiny-dnn的源码
最后不要脸地推荐下我博客的几篇相关文章:
TensorFlow入门一-小石头的码疯窝
TensorFlow之深入理解Neural Style
TensorFlow之深入理解AlexNet-小石头的码疯窝
TensoFlow之深入理解GoogLeNet-小石头的码疯窝
TensorFlow之深入理解VGG\Residual Network
TensorFlow之深入理解Fast Neural Style
风格画之最后一弹MRF-CNN-小石头的码疯窝
深度学习之Neural Image Caption
MXnet初体验之inception-resnet-v2从Model到Predict-小石头的码疯窝
编辑于 2017-02-09
1.1K 37 条评论 收藏 感谢 收起分享
可以学一下斯坦福新开的课程,cs20si,web.stanford.edu/class/...,国内可以看b站的视频,CS
20SI: Tensorflow for Deep Learning Research,通过这个课程,能够对tensorflow有个全面的了
解,从最基本的计算图开始,到如何结构化模型,了解最新的seq2seq,neural style等前沿算法的
实现。
我准备写一个课程笔记,这是第一篇笔记
以上
编辑于 2017-08-13
179 17 条评论 收藏 感谢
I want to create some new things!
179 人赞同了该回答
Sherlock
分享
Tensorflow作为Google花大力构建维护的项目,拥有一套异常完善的Tutorial。对初学者来说,可能
完善到让人不知道该从哪里下手,相信看过它的网站的同学们都能感觉得到。但既然是开源项目,
要学习它肯定是从官方的Document下手,这里也感谢极客学院的大佬们细心翻译,方便了小白们入
坑。
首先,要想应用这种深度学习包,需要你对机器学习这方面有一个理论上的了解,完全不会ML、
DL的纯小白也不可能看得懂这些文档和算法,文档里的介绍大部分都是在应用层面上的指导。我在
这之前对ML和DL算有一定的基础,精看过几本书,乱看过几个系列的网课,刷了Ufldl,啃过一些
经典的paper,看题主的提问水平相信基础知识也很扎实。
考虑到,这个项目开源也没多久,所以也没有什么统一认可的学习方法。我自己开始是同时看极客
学院和原版的文档,开始的MNIST肯定是要完全吃透的,这里边有两种代码,Deep MNIST for
Experts是初级的(虽然是For Experts但确实很初级),比较好理解,简单实现了MNIST卷积神经
网络,也没有模块化;这后面的一章TensorFlow Mechanics 101 在之前一章的基础上实现了模块封
装,算是一个稍微有模有样的代码。我当时把这一章的代码拿出来各种乱改,实现不同的功能,搞
懂了这一块才基本算入门了。
这之后硬啃下了CIFAR10的卷积实现的代码,这期间接触了不少新函数,不明白了就看文档的API
或者上CSDN上看博客之类的,个人认为这是一个比较重要的时间段,对整个Tensorflow的架构有
了一个更加系统的认识。说实话过程还是挺痛苦的,因为文档从这里开始不再细致的讲解,而是为
学习者拓宽Tensorflow的使用方式。有时想吃透一些细节就必须耗很久。我个人非常建议在这个阶
段多自己上手写程序,当然,我们可能还达不到完全自己写出来的水平,那就拆人家的轮子然后
安心炼丹
203 人赞同了该回答
ManYz
170 10 条评论 收藏 感谢 收起分享
私家课 · Live 推荐
刘看山 · 知乎指南 · 知乎协议
侵权举报 · 网上有害信息举报专区
违法和不良信息举报:010-82716601
儿童色情信息举报专区
联系我们 © 2017 知乎
下载知乎客户端
与世界分享知识、经验和见解
相关问题
2017/10/4 TensorFlow 如何入门? - 知乎
https://www.zhihu.com/question/49909565 3/56
改,在自己写的过程中,会遇到一些经典的问题,最后发现人家的方法确实好,确实有这么做的道
理。这个过程大概花了两周的时间,也算是在图像处理上有一些想法和阅历了。
上一个阶段结束之后就开始有一些自己的想法,然后就决定自己上手写一个小程序。因为之前刚刚
学过OpenCV,对里面人脸识别印象比较深刻,于是接受了ML前辈的意见,自己用Tensorflow写了
一个输入照片判断性别的程序。这里面就要涉及到之前学过看过的所有知识,虽然很简单,但也编
了整整一周,人脸数据集用的是IMDB WIKI的数据,这个数据集还可以做蛮多事情的,因为数据集
里是带有年龄标记的,还可以写判断年龄的程序,是自己上手的不错选择。这同时开始看paper,边
看轮子边拆轮子,有时间自己造一些轮子。然后就没有然后了,我也是刚刚走到这一步
还可以看其他一些工具包的Document,比如Theano,caffe,虽然实现方法都不一样,但还是有很
多相似之处的,具体帮助大不大我也说不上来,不妨试一试
编辑于 2016-09-28
203
27 条评论 收藏 感谢分享
作者:硅谷周边
链接:如何高效的学习TensorFlow代码? - 硅谷周边的回答
来源:知乎
著作权归作者所有,转载请联系作者获得授权。
Google发布了Tensorflow游乐场。Tensorflow是Google今年推出的机器学习开源平台。而有了
Tensorflow游乐场,我们在浏览器中就可以训练自己的神经网络,还有酷酷的图像让我们更直观地
了解神经网络的工作原理。今天,就让硅谷周边带你一起去Tensorflow游乐场快乐地玩耍吧!
昨天,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:
公众号:svneighborhood。Google软件工程师
570 人赞同了该回答
[已重置]
170 10 条评论 收藏 感谢 收起分享
私家课 · Live 推荐
刘看山 · 知乎指南 · 知乎协议
侵权举报 · 网上有害信息举报专区
违法和不良信息举报:010-82716601
儿童色情信息举报专区
联系我们 © 2017 知乎
下载知乎客户端
与世界分享知识、经验和见解
相关问题
2017/10/4 TensorFlow 如何入门? - 知乎
https://www.zhihu.com/question/49909565 4/56
于是小伙伴们都十分激动地去Tensorflow的网站上玩神经网络了!游乐场的地址是:
playground.tensorflow.org。让我们快点一起去看看游乐场里有哪些好玩的东东吧。
一打开网站,就看见上面的标语:
“在你的浏览器中就可以玩神经网络!不用担心,怎么玩也玩不坏哦!”
这简直太令人振奋了!面对这么多可以随便点的按钮,咱们从哪儿开始呢?
170 10 条评论 收藏 感谢 收起分享
私家课 · Live 推荐
刘看山 · 知乎指南 · 知乎协议
侵权举报 · 网上有害信息举报专区
违法和不良信息举报:010-82716601
儿童色情信息举报专区
联系我们 © 2017 知乎
下载知乎客户端
与世界分享知识、经验和见解
相关问题
2017/10/4 TensorFlow 如何入门? - 知乎
https://www.zhihu.com/question/49909565 5/56
首先让我们来看看数据。在这个游乐场中,我们有4种不同形态的数据可以玩:
每组数据,都是不同形态分布的一群点。每一个点,都与生俱来了2个特征:x1和x2,表示点的位
置。而我们数据中的点有2类:橙色和蓝色。我们的神经网络的目标,就是通过训练,知道哪些位置
的点是橙色、哪些位置的点是蓝色。
如果橙色是橙子,蓝色是蓝莓。假设我们有2000个散落在各处的橙子和蓝莓。前1000个,我们知道
坐标(1,1)的是蓝莓,(2,2)的是橙子,(0.5,0.5)的是蓝莓等等。我们要用这些信息来训
练我们的神经网络,让它能够准确地预测出后1000个哪些是橙子、哪些是蓝莓。
看上面的4组数据,我们会发现,前3中都能相对简单地区分开,而最后一组螺旋数据会是最难的。
Tensorflow游乐场中的数据十分灵活。我们可以调整noise(干扰)的大小,还可以改变训练数据和
测试数据的比例多少。下图是不同noise的数据分布。
当我们把每一个数据点的信息喂给机器学习系统时,我们需要做feature extraction,也就是特征提
取。如果我们真的是在区分蓝莓和橙子的话,大小、颜色等等都会是我们的特征。而这里,每一个
点都有x1和x2两个特征。除此之外,由这两个特征还可以衍生出许多其他特征:
170 10 条评论 收藏 感谢 收起分享
私家课 · Live 推荐
刘看山 · 知乎指南 · 知乎协议
侵权举报 · 网上有害信息举报专区
违法和不良信息举报:010-82716601
儿童色情信息举报专区
联系我们 © 2017 知乎
下载知乎客户端
与世界分享知识、经验和见解
相关问题
剩余55页未读,继续阅读
资源评论
bladethirst1234
- 粉丝: 1
- 资源: 12
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功