首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >TensorFlow从0到1 - 19 - 回顾

TensorFlow从0到1 - 19 - 回顾

作者头像
袁承兴
发布2018-04-11 15:45:10
6770
发布2018-04-11 15:45:10
举报

see you soon

《TensorFlow从0到1》就要结束了。

3条主线

这个部分共包含18篇文章,4万余字(简书的严格统计不到4万)。总的来说,它无外乎两方面内容:人工神经网络,及其TensorFlow实现。稍细分的话,有3条主线。

主线1:神经网络理论基础:

  • 3 人类学习的启示
  • 4 第一个机器学习问题
  • 6 解锁梯度下降算法
  • 8 万能函数的形态
  • 9 “驱魔”之反向传播大法
  • 10 NN基本功:反向传播的推导

主线2:TensorFlow入门:

  • 1 Hello,TensorFlow!
  • 2 TensorFlow核心编程
  • 5 TensorFlow轻松搞定线性回归
  • 7 TensorFlow线性回归的参数溢出之坑
  • 11 74行Python实现手写体数字识别
  • 12 TensorFlow构建3层NN玩转MNIST
  • 17 Step By Step上手TensorBoard
  • 18 升级手记:TensorFlow 1.3.0

主线3:神经网络优化:

  • 13 AI驯兽师:神经网络调教综述
  • 14 交叉熵损失函数——防止学习缓慢
  • 15 重新思考神经网络初始化
  • 16 L2正则化对抗“过拟合”

希望这么分类后,能帮助读者快速定位所需内容。

神经网络——深度学习的基石

这个主题是关于TensorFlow的,可我很确定的是:没有理论基础的支持,而直接学习工具,几乎寸步难行。所以,整个主题用到的几乎全部是算法概念对照的底层API,而没有高级API的身影。

我也没有急于展开“火热的”CNN、RNN,也是因为:凡有建造,先固基石。现代深度学习知识体系的基石,正是人工神经网络。我花了超过一半的篇幅来回填使用TensorFlow这一强大工具的前置条件,来实现事先的承诺:坚持通过启发性的方式,循序渐进构建系统化的理解,搭建一个“缓坡道”。而此时,你再回到TensorFlow游乐场,就会发现所有的设施都了无秘密。

尽管如此,限于篇幅,仍然有很多的重要知识点来不及一一记录和表达,还需要学习者自行钻研。

感谢

特别感谢我的恩师朱虹教授,以及朱虹图像研究室的杜森和薛杉博士,在我决定要转型AI领域时,你们倾囊相授,快速帮我建立了本领域最新的知识框架。

她在教我玩AI

在输出这个主题的过程中,我自己受益匪浅。尽管10年前就对神经网络有所了解,可是当真正付诸表达,才发现认识的肤浅。

感谢我的首批读者们,你们的关注、点赞、建议和纠错,都让这个主题变得更好,也是对我个人的极大鼓励。你们每一位的留言都会永久保留。

此外,不用担心《从0到1》的结束,因为《从1到2》即将开始。

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2017.09.09 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 3条主线
  • 神经网络——深度学习的基石
  • 感谢
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档