TensorFlow学习的一些练习代码
本文tf1.x版本：'1.14.0' py35
-
jupyter运行：在本目录终端运行
jupyter-notebook命令来打开http://localhost:8888/tree -
官网：https://www.tensorflow.org/
- github： https://github.com/tensorflow
- tensorflow2.0 beta教程 :https://www.tensorflow.org/beta/
-
查看jupyternotebook：https://nbviewer.jupyter.org/
-
网络编辑和运行NotebooksGoogle Colab：https://colab.research.google.com/
-
tensors_flowing
简单粗暴 TensorFlow 2 文档：https://tf.wiki/zh/basic.html
bilibili-深度学习框架Tensorflow学习与应用[初学2020.07][tf1.x][13.5h]
- 环境：tf1.x：'1.14.0' py35
- 莫烦没有讲具体函数的功能，相比还是这个视频好
- 笔记：https://www.yuque.com/huangzhongqing/tensorflow/yiggki
官方代码: https://pan.baidu.com/s/1F1A32twUxxqt2W7drxm78w
- 第一课 Tensorflow简介，Anaconda安装，Tensorflow的CPU版本安装。
- 第二课 Tensorflow的基础使用，包括对图(graphs),会话(session),张量(tensor),变量(Variable)的一些解释和操作。
- 第三课 Tensorflow线性回归以及分类的简单使用，softmax介绍。
- 第四课 交叉熵(cross-entropy)，过拟合，dropout以及Tensorflow中各种优化器的介绍。
- 第五课 使用Tensorboard进行结构可视化，以及网络运算过程可视化。
- 第六课 卷积神经网络CNN的讲解，以及用CNN解决MNIST分类问题。
- 第七课 递归神经网络LSTM的讲解，以及LSTM网络的使用。
- 第八课 保存和载入模型，使用Google的图像识别网络inception-v3进行图像识别。
- 第九课 Tensorflow的GPU版本安装。设计自己的网络模型，并训练自己的网络模型进行图像识别。
- 第十课 多任务学习以及验证码识别。
- 第十一课 word2vec讲解和使用，cnn解决文本分类问题。
- 第十二课 语音处理以及使用LSTM构建语音分类模型。
参考： https://github.com/Parker-Lyu/TensorFLow-Learning
-
视频·google基于tensorflow的机器学习课程(免费中文)[学於20190805]
-
bilibili视频·莫凡-tensorflow搭建自己的神经网络[学於201710]
视频发布很早，但对应讲解莫凡大佬github代码有更新，所以，看视频的时候，代码还是看github上的吧
-
机器学习术语表：https://developers.google.cn/machine-learning/glossary/
-
06训练及测试集（25 分钟）验证把数据集分成两部分的好处
-
07验证（40 分钟）担心过拟合？在测试和训练集外多弄一个验证集
-
08表示法（65 分钟）特征工程，75% 机器学习工程师的时间都在干的事
-
09特征组合（70 分钟）明白什么是特征组合，怎么用 TensorFlow 实现
-
10正则化：简单性（40 分钟）L2 正则化，学习复杂化和普遍化的取舍
-
11逻辑回归（20 分钟）理解逻辑回归，探索损失函数和正则化
-
12分类（90 分钟）评估一个逻辑回归模型的正确性和精度
-
13正则化：稀松性（45 分钟）L2 的其他种类
-
14介绍神经网络（40 分钟）隐藏层，激活函数
-
15训练神经网络（40 分钟）反向传播
-
16多种类神经网络（50 分钟）理解多类分类器问题，Softmax，在 TensorFlow 中实现 Softmax 结果。
-
17嵌入（80 分钟）什么是嵌入，这是干什么的，怎样用好。
bilibili视频·莫凡-tensorflow搭建自己的神经网络[初学2019.08]
bilibili视频·tensorflow2.0入门与实战 2019年[初学2019.08]
- tensorflow2.0教程文档：https://github.com/czy36mengfei/tensorflow2_tutorials_chinese
- tensorflow2.0 beta :https://www.tensorflow.org/beta/
- 第一个巨大差异：移除tf.get_variable, tf.variable_scope, tf.layers，强制转型到基于Keras的方法，也就是用tf.keras。
- 训练方面：使用keras和eager execution（动态图机制）(eager notebook开发更好)
- 服务器，边缘设备，网页，any语言0rp平台，皆可训练部署模型
- tf.keras,Eager模式和自定义训练说,tf.data，tf.function(自动图运算)。模型保存于可视化，Tensorboard可视化
- 安装CPU版本
pip install tensorflow==2.0.0-alpha0
2019年7月新发布beta0
pip install tensorflow==2.0.0-beta0
推荐：用豆瓣源安装多个python包(含tensorflow2.0
pip install numpy pandas matplotlib sklearn tensorflow==2.0.0-alpha0 -i https://pypi.doubanio.com/simple/
- 安装GPU版本（CUDA，cuDNN已安装）
pip install numpy pandas matplotlib sklearn tensorflow==2.0.0-alpha0 -i https://pypi.doubanio.com/simple/