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 ：

1. 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。

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。

3. 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。

4. 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。

5. @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。

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，給了很多幫助。和 stackoverflow 解決了很多遇到的問題。

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：

1. 線性迴歸 ，Logistic 迴歸
2. 多層感知器 實現mnist手寫數字資料集的分類
3. CNN卷積神經網路
4. RNN遞迴神經網路
5. LSTM網路
6. 自編碼器
7. 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