2. 程式人生 > >小學五年級開始學TensorFlow都晚了？TensorFlow視訊教程、電子書、github專案免費獲取啦！！

小學五年級開始學TensorFlow都晚了？TensorFlow視訊教程、電子書、github專案免費獲取啦！！

阿新 • • 發佈：2018-12-18

                                                                     微信掃描二維碼，回覆“1”獲取全部資源

小學五年級報名課外班學 Tensorflow 晚不晚？答案是：晚了，畢業於上海交大和卡內基梅隆大學，現任亞馬孫AWS主任科學家的李沐表示，他家的娃1歲就開始讀paper，現在已經可以熟練的寫mxnet程式碼了。

知乎的網友都認為這是“一不小心”的晒娃狂魔，其實李沐還是一個炫妻狂魔：“他媽媽在Google上班是用 Tensorflow”

嗯，谷歌+亞馬遜的基因組合，見識到了。

雖然李沐大神的回覆是一個玩笑，但，小朋友的教育問題已經成為家長關注得重中之重。很多家長都強調：不能讓孩子輸在起跑線上，能早學一天，就比耽誤一天強。除了語數外基本功課科科優秀，琴棋書畫樣樣精通之外，程式設計潮成為了時下小朋友課外班的熱門之一。

30年前鄧小平爺爺說的：計算機普及要從娃娃抓起，今天真正的實現了。

 （圖片來自網路）

從第一行 hello word 開始，世界就逐漸掌握到會寫程式碼的人手中。當學英語熱潮變成常態之後，計算機程式設計的熱潮正在撲面而來。

那麼問題來了，幾歲學Tensorflow比較合適呢？ 

對於正在看這篇推文的你來說，現在學最合適。

最為Google爸爸的親兒子，Tensorflow 擁有超強大的社群，這意味著尋找學習 Tensorflow 的資源、解決相關問題的答案變得非常容易。而 Tensorflow 自身也不負眾望，擁有強大的 TensorBoard 工具，TensorBoard 是 Tensorflow 中的一個在瀏覽器內直接視覺化機器學習模型的工具。

如此受歡迎的 Tensorflow 當然值得掌握，但是怎麼學更高效？下面給大家送上github比較好好的資源和電子書哈！

官方API

TensorFlow最好的學習資源便是官網操作指南，希望大家不會打我啊，你這不是等於沒說麼？更何況官方API都是大量的英文，讓人怎麼看呢？不用擔心，小編把“tensorflow使用指南”裡面常用的API都找到了相應的中文部落格，而且是精選的部落格，足足存了9個PDF，這可是一項體力活啊！（公眾號回覆“1”就會推送給大家了，以下文章涉及的電子書一併奉上啊，學習一段時間打算用錄視訊的方式給大家講一講啊，現在可不能誤人子弟）

書籍

1、《Hands On ML with Scikit-Learn and TensorFlow》（推薦）

這本書系統的講了機器學習與深度學習的工程應用，對於機器學習比賽入門真是一本很好的書。在演算法理論方面講的不是太多，但是但是講的特別通俗，很多問題給你豁然開朗的感覺啊。其中機器學習內容用Sklearn實現，深度學習用tensorflow實現。小編剛開始看的是英文版發現竟然感覺比很多中文資料講的還要清楚。如果你擔心英文版本的看不下去那福利來啦，中文翻譯版的出來啦(回覆“1”獲得啊)。

2、《TensorFlow Machine Learning Cookbook》

這本書對於tensorflow的基礎講的比較細緻，所謂“Cookbook”就是教大家一步一步來實踐的嘛

3、《簡單粗暴TensorFlow》（推薦）

https://www.tensorflowers.cn/t/6230

4.《深入tensorflow架構設計與原理》（進階，推薦購買研讀）

講解了不少TF內部機制，這個可以當做進階來看！

視訊

如果你是個懶癌患者不想看書學習的話，只有視訊能拯救你啦

專案55個經典案例

第一步基礎入門

1：tf初學者需要明白的入門準備

  • 機器學習入門筆記：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/ml_introduction.ipynb

  • MNIST 資料集入門筆記

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb

2：tf初學者需要了解的入門基礎

  • Hello World

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/helloworld.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/1_Introduction/helloworld.py

  • 基本操作

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/basic_operations.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/1_Introduction/basic_operations.py

3：tf初學者需要掌握的基本模型

  • 最近鄰：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/nearest_neighbor.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/nearest_neighbor.py

  • 線性迴歸：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/linear_regression.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/linear_regression.py

  • Logistic 迴歸：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/logistic_regression.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/logistic_regression.py

4：tf初學者需要嘗試的神經網路

  • 多層感知器：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/multilayer_perceptron.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py

  • 卷積神經網路：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/convolutional_network.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/convolutional_network.py

  • 迴圈神經網路（LSTM）：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/recurrent_network.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/recurrent_network.py

  • 雙向迴圈神經網路（LSTM）：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/bidirectional_rnn.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/bidirectional_rnn.py

  • 動態迴圈神經網路（LSTM）

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/dynamic_rnn.py

  • 自編碼器

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/autoencoder.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/autoencoder.py

5：tf初學者需要精通的實用技術

  • 儲存和恢復模型

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/4_Utils/save_restore_model.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/save_restore_model.py

  • 圖和損失視覺化

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/4_Utils/tensorboard_basic.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/tensorboard_basic.py

  • Tensorboard——高階視覺化

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/tensorboard_advanced.py

5：tf初學者需要的懂得的多GPU基本操作

  • 多 GPU 上的基本操作

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/5_MultiGPU/multigpu_basics.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/5_MultiGPU/multigpu_basics.py

6：案例需要的資料集

有一些案例需要 MNIST 資料集進行訓練和測試。執行這些案例時，該資料集會被自動下載下來（使用 input_data.py）。

MNIST資料集筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb

官方網站：http://yann.lecun.com/exdb/mnist/

第二步：為TF新手準備的各個型別的案例、模型和資料集

初步瞭解：TFLearn TensorFlow

接下來的示例來自TFLearn，這是一個為 TensorFlow 提供了簡化的介面的庫。裡面有很多示例和預構建的運算和層。

使用教程：TFLearn 快速入門。通過一個具體的機器學習任務學習 TFLearn 基礎。開發和訓練一個深度神經網路分類器。

TFLearn地址：https://github.com/tflearn/tflearn

示例：https://github.com/tflearn/tflearn/tree/master/examples

預構建的運算和層：http://tflearn.org/doc_index/#api

筆記：https://github.com/tflearn/tflearn/blob/master/tutorials/intro/quickstart.md

基礎模型以及資料集

  • 線性迴歸，使用 TFLearn 實現線性迴歸

https://github.com/tflearn/tflearn/blob/master/examples/basics/linear_regression.py

  • 邏輯運算子。使用 TFLearn 實現邏輯運算子

https://github.com/tflearn/tflearn/blob/master/examples/basics/logical.py

  • 權重保持。儲存和還原一個模型

https://github.com/tflearn/tflearn/blob/master/examples/basics/weights_persistence.py

  • 微調。在一個新任務上微調一個預訓練的模型

https://github.com/tflearn/tflearn/blob/master/examples/basics/finetuning.py

  • 使用 HDF5。使用 HDF5 處理大型資料集

https://github.com/tflearn/tflearn/blob/master/examples/basics/use_hdf5.py

  • 使用 DASK。使用 DASK 處理大型資料集

https://github.com/tflearn/tflearn/blob/master/examples/basics/use_dask.py

計算機視覺模型及資料集

  • 多層感知器。一種用於 MNIST 分類任務的多層感知實現

https://github.com/tflearn/tflearn/blob/master/examples/images/dnn.py

  • 卷積網路（MNIST）。用於分類 MNIST 資料集的一種卷積神經網路實現

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_mnist.py

  • 卷積網路（CIFAR-10）。用於分類 CIFAR-10 資料集的一種卷積神經網路實現

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_cifar10.py

  • 網路中的網路。用於分類 CIFAR-10 資料集的 Network in Network 實現

https://github.com/tflearn/tflearn/blob/master/examples/images/network_in_network.py

  • Alexnet。將 Alexnet 應用於 Oxford Flowers 17 分類任務

https://github.com/tflearn/tflearn/blob/master/examples/images/alexnet.py

  • VGGNet。將 VGGNet 應用於 Oxford Flowers 17 分類任務

https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network.py

  • VGGNet Finetuning (Fast Training)。使用一個預訓練的 VGG 網路並將其約束到你自己的資料上，以便實現快速訓練

https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network_finetuning.py

  • RNN Pixels。使用 RNN（在畫素的序列上）分類影象

https://github.com/tflearn/tflearn/blob/master/examples/images/rnn_pixels.py

  • Highway Network。用於分類 MNIST 資料集的 Highway Network 實現

https://github.com/tflearn/tflearn/blob/master/examples/images/highway_dnn.py

  • Highway Convolutional Network。用於分類 MNIST 資料集的 Highway Convolutional Network 實現

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_highway_mnist.py

  • Residual Network (MNIST) 。應用於 MNIST 分類任務的一種瓶頸殘差網路（bottleneck residual network）

https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_mnist.py

  • Residual Network (CIFAR-10)。應用於 CIFAR-10 分類任務的一種殘差網路

https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_cifar10.py

  • Google Inception（v3）。應用於 Oxford Flowers 17 分類任務的谷歌 Inception v3 網路

https://github.com/tflearn/tflearn/blob/master/examples/images/googlenet.py

  • 自編碼器。用於 MNIST 手寫數字的自編碼器

https://github.com/tflearn/tflearn/blob/master/examples/images/autoencoder.py

自然語言處理模型及資料集

  • 迴圈神經網路（LSTM），應用 LSTM 到 IMDB 情感資料集分類任

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py

  • 雙向 RNN（LSTM），將一個雙向 LSTM 應用到 IMDB 情感資料集分類任務：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/bidirectional_lstm.py

  • 動態 RNN（LSTM），利用動態 LSTM 從 IMDB 資料集分類可變長度文字：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/dynamic_lstm.py

  • 城市名稱生成，使用 LSTM 網路生成新的美國城市名：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_cityname.py

  • 莎士比亞手稿生成，使用 LSTM 網路生成新的莎士比亞手稿：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_shakespeare.py

  • Seq2seq，seq2seq 迴圈網路的教學示例：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/seq2seq_example.py

  • CNN Seq，應用一個 1-D 卷積網路從 IMDB 情感資料集中分類詞序列

https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py

強化學習案例

  • Atari Pacman 1-step Q-Learning，使用 1-step Q-learning 教一臺機器玩 Atari 遊戲：

https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_learning/atari_1step_qlearning.py

第三步：為TF新手準備的其他方面內容

  • Recommender-Wide&Deep Network，推薦系統中 wide & deep 網路的教學示例：

https://github.com/tflearn/tflearn/blob/master/examples/others/recommender_wide_and_deep.py

  • Spiral Classification Problem，對斯坦福 CS231n spiral 分類難題的 TFLearn 實現：

https://github.com/tflearn/tflearn/blob/master/examples/notebooks/spiral.ipynb

  • 層，與 TensorFlow 一起使用  TFLearn 層：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py

  • 訓練器，使用 TFLearn 訓練器類訓練任何 TensorFlow 圖：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py

  • Bulit-in Ops，連同 TensorFlow 使用 TFLearn built-in 操作：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/builtin_ops.py

  • Summaries，連同 TensorFlow 使用 TFLearn summarizers：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/summaries.py

  • Variables，連同 TensorFlow 使用 TFLearn Variables：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/variables.py

注意以上都是TenorFlow入門級的資料，可以說很全了，可是大家不能拘泥於以上的資料，這些也就相當於DEMO。提高工程能力與編碼能力關鍵是用起來，這個提高的過程是學習論文的復現程式碼，找一篇你熟悉的論文在github上尋找論文的復現，復現的過程才是把深度學習應用於實踐。

微信掃面二維碼，回覆“1”獲取全部資源

相關推薦

小學五年級開始學TensorFlow都晚了？TensorFlow視訊教程、電子書、github專案免費獲取啦！！

                                                                     微信掃描二維碼，回覆“1”獲取全部資源 小學五年級報名課外班學 Tensorflow 晚不晚？答案是：晚了，畢業於上海交大和卡內基梅

我學Python都看了哪些書

前言        2017年11月29日，自己曾在公眾號內寫過一篇《聊聊我的R語言學習路徑和感受》的文章，受到了很多朋友的關注和讚揚，同時，也有其他公眾號在幫忙轉載。當然，也有很多朋友也給我留言，能不能聊聊關於Pyt

從零開始學微信小程式開發－－－2、小程式專案的建立、相關檔案的作用及小程式IDE

一、建立一個小程式專案 1、下載安裝微信web開發者工具，目前最新版本是1.02.1811141。 2、開啟，掃碼登入， 3、選擇小程式專案 4、點選專案管理旁邊的+ 5、如果你有小程式賬號會有一個APPID，詳情見小程式簡易教程申請賬號那一節，如果還沒有，可以

從零開始學微信小程式開發－－－１、初識小程式

最近在學小程式，記錄並分享一下學習過程，如有謬誤，還請指出！ 什麼是小程式？ 微信小程式（Mini Program），又稱應用號，它執行在微信客戶端，原始碼打包後不超過1MB（是的，你沒看錯，我也沒寫錯），按照張小龍對小程式的定義，它是一種不需要下載安裝即可使用的應用（其實要經過下載安裝包-

從零開始學微信小程式開發－－－3、小程式靜態啟動頁面的製作

現在正式開始編碼啦！~ 我的IDE版本： 首先，新建一個小程式專案，然後建立所需要的檔案以及目錄： 然後在index.wxml中編寫小程式的頁面骨架： <!-- index.wxml是編寫小程式骨架的檔案，相當於HTML --> <!-- <view&g

從零開始學微信小程式開發－－－4、新聞列表頁面的製作（列表渲染）

今天，我們要構建一個如下圖所示的新聞列表頁面（手機截不了長圖，大家將就看吧QAQ）： 首先，在pages同級目錄建立一個news目錄，用於放有關新聞列表頁面的各種檔案，然後建立news.wxml,news.wxss,news.js,news.json四個檔案： 然後在app

從零開始學微信小程式開發－－－5、小程式頁面跳轉

我們接下來要實現的是：點選“按鈕”，跳轉到另一個頁面 如下圖，當我們點選“開啟小程式之旅”的時候，就會跳轉到news頁面                 首先我們將啟動頁放回pages配置項的第一項

從零開始學 Web 之 CSS（三）連結偽類、背景、行高、盒子模型、浮動

大家好，這裡是「 Daotin的夢囈 」從零開始學 Web 系列教程。此文首發於「 Daotin的夢囈 」公眾號，歡迎大家訂閱關注。在這裡我會從 Web 前端零基礎開始，一步步學習 Web 相關的知識點，期間也會分享一些好玩的專案。現在就讓我們一起進入 Web 前端學習的冒險之旅吧！ 一、連結偽類 a:

從零開始學 Web 之 DOM（三）innerText與innerHTML、自定義屬性

大家好，這裡是「 Daotin的夢囈 」從零開始學 Web 系列教程。此文首發於「 Daotin的夢囈 」公眾號，歡迎大家訂閱關注。在這裡我會從 Web 前端零基礎開始，一步步學習 Web 相關的知識點，期間也會分享一些好玩的專案。現在就讓我們一起進入 Web 前端學習的冒險之旅吧！ 一、相容程式碼 1

從零開始學 Web 之 CSS（四）CSS初始化、定位、overflow、標籤規範

大家好，這裡是「 Daotin的夢囈 」從零開始學 Web 系列教程。此文首發於「 Daotin的夢囈 」公眾號，歡迎大家訂閱關注。在這裡我會從 Web 前端零基礎開始，一步步學習 Web 相關的知識點，期間也會分享一些好玩的專案。現在就讓我們一起進入 Web 前端學習的冒險之旅吧！ 一、CSS初始化

路由器密碼和上網賬號密碼都忘記了怎麼辦，可以通過模擬PPPoE協議從路由器獲取

假如忘記了上網賬號和密碼，最簡單的就登上路由器看看就知道，但如果路由器的祕密也忘記該怎麼辦？ 還有個辦法就是通過模擬PPPoE協議從路由器獲取。 路由器通常是通過PPPoE協議接入網路，在路由器連通時不斷髮送PPPoE請求，我們可以模擬成PPPoE伺服器傳送響應，誘導路由器

【備忘】最新優達學城udacity無人駕駛工程師視訊教程

為什麼學習無人駕駛開發？無人駕駛車是現代歷史中最具開創性的進步之一。它們帶來的影響不僅僅在技術、交通或城市規劃領域，而是深入到我們生活中的每一個方面，超乎你的想象。加入這個納米學位專案，你將掌握那些能讓你塑造未來的技術。你將參與一系列互動型實戰專案，包括但不限於計算機視覺、

從零開始學 Web 之 Ajax（五）同步異步請求，數據格式

遊記 document 空閑 name center 20px 實現 resp 也會 大家好，這裏是「 從零開始學 Web 系列教程 」，並在下列地址同步更新...... github：https://github.com/Daotin/Web 微信公眾號：Web前端之

從零開始學 Web 之 移動Web（五）touch事件的缺陷，移動端常用插件

bar 知識 怎麽 element clas mas index ont 彈性 大家好，這裏是「 從零開始學 Web 系列教程 」，並在下列地址同步更新...... github：https://github.com/Daotin/Web 微信公眾號：Web前端之巔 博

小學生都開始學的Python程式設計到底是什麼？

小學生都開始學的Python程式設計到底是什麼？Python 是一門有條理的和強大的面向物件的程式設計語言，Python 已經成為最受歡迎的程式設計語言之一，本文帶你簡單入門Python程式設計基礎。對Python整個體系解釋： python是一門簡單易學並且功能非常強大的程式語言。 python

小學生都開始學的Python編程到底是什麽？

直觀 領域 系統 小學 亮點 所有 程序設計語言 一個 的區別 小學生都開始學的Python編程到底是什麽？Python 是一門有條理的和強大的面向對象的程序設計語言，Python 已經成為最受歡迎的程序設計語言之一，本文帶你簡單入門Python編程基礎。對Python整個

從零開始學多執行緒之執行緒池(五)

單執行緒的缺點&使用多執行緒的好處 圍繞執行任務來管理應用程式時,第一步要指明一個清晰的任務邊界(task boundaries).理想情況下,任務是獨立的活動:它的工作並不依賴於其他任務的狀態、結果或者邊界效應.獨立有利於併發性,如果能得到相應的處理器資源,獨立的任務還可以並行執行.

從零開始學產品第五篇：三個環境，開發、測試和線上

本篇為【從零開始學產品】系列課第1章第4節 歡迎到公眾號選單欄，獲取產品經理課程更多資料     上節課我們說到了，Bug的生命週期，而只有在測試環境和線上環境發現的Bug，才會被稱之為Bug。 倒底什麼是測試環境，什麼是線上環境，

從0開始學架構（五）複雜度來源：低成本、安全、規模

低成本 一般中小公司基本都是靠引入新技術來達到低成本的目標；而大公司更有可能自己去創造新的技術來達到低成本的目標，因為大公司才有足夠的資源、技術和時間去創造新技術。 安全 安全本身是一個龐大而又複雜的技術領域，並且一旦出問題，對業務和企業形象影響非常大。 從技術的角

從零開始學 Web 之 Vue.js（五）Vue的動畫

一、Vue的動畫 為什麼要有動畫：動畫能夠提高使用者的體驗，幫助使用者更好的理解頁面中的功能； Vue 中也有動畫，不過遠沒有 css3 中的那麼炫酷。只能有一些簡單的變換，但是卻可以配合第三方css動畫庫完成炫酷的變換。 1、過渡的類名 在進入/離開的過渡