tensorflow學習 從入門到實戰(轉)

原文做者：zhaozhengcoder
連接：https://www.jianshu.com/p/27a2fb320934
來源：簡書
簡書著做權歸做者全部，任何形式的轉載都請聯繫做者得到受權並註明出處。

 

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。在這個過程裏面，在網上看了不少教程， 學習了不少大牛的博客，看了不少很棒的代碼，同時也掉進了不少坑，走了不少「彎路」。在這裏階段性的小結一下。

推薦的tensorlfow 教程 ：

1. 吳恩達的deeplearning ，網易雲課堂上面能夠免費的觀看。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。把這個課程看完以後，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，調用一些函數的時候，不會對底層感到很迷茫。

2. 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，對於網絡模型的底層的數學過程，他介紹的不是不少。可是，我我的以爲這個很是重要，對於一個網絡的正向和方向的數據流的過程以及維度的變化，仍是要有一個清楚的認識。要否則對機器學習的認識就變成一個黑盒了。

3. 周志華的西瓜書《機器學習》
   不少人推薦的一本經典教程吧，是結合吳恩達的課程一塊兒看的，但沒怎麼看完，也不敢多評價了。

4. 李航 《統計學習方法》
   做爲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着走的。可是，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，可是真實的受益不淺，學到了很是很是多的東西。這本書能夠一直放在手邊，沒事多翻翻。

5. @hanbingtao 的博客 https://www.zybuluo.com/hanbingtao/note/541458
   這位大哥的博客比較注重從網絡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。

6. 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 ： https://github.com/xlvector

7. 還有實驗室的師兄們，給了不少幫助。和 stackoverflow 解決了不少遇到的問題。

8. 公開課
   Udacity Deep Learning 優達學城
   英文 English 中文 Chinese 免費
   cs231n 卷積神經網絡與計算機視覺
   cs224d 循環神經網絡與天然語言處理

---

這是我用tf實現的經常使用的基本網絡模型 ，這多是最容易上手，註釋最多的tensorflow教程了。不少關於數據維度和tf的函數都加上了註釋，對新手來講很friendly。並且，他們都是能夠從github上面拉下來就能夠運行的！

包括：

1. 線性迴歸 ，Logistic 迴歸
2. 多層感知器 實現mnist手寫數字數據集的分類
3. CNN卷積神經網絡
4. RNN遞歸神經網絡
5. LSTM網絡
6. 自編碼器
7. 保存和恢復模型

關於網絡模型的介紹，代碼的實現，學習過程當中遇到的問題，掉的「坑」，在後面文章裏面再整理。先把代碼放在這裏。github地址 :
https://github.com/zhaozhengcoder/Machine-Learning/tree/master/tensorflow_tutorials