机器之心整理
参与：蒋思源
这是一套香港科技大学发布的极简TensorFlow入门教程，三天全套幻灯片教程已被分享到GoogleDrive。机器之心将简要介绍该教程并借此梳理TensorFlow的入门概念与实现。
该教程第一天先介绍了深度学习和机器学习的潜力与基本概念，而后便开始探讨深度学习框架TensorFlow。首先我们将学到如何安装TensorFlow，其实我们感觉TensorFlow环境配置还是相当便捷的，基本上按照的教程就能完成安装。随后就从「HelloTensorFlow」开始依次讲解计算图、占位符、张量等基本概念。
当然我们真正地理解TensorFlow还需要从实战出发一点点学习那些最基本的概念，因此第一天重点讲解了线性回归、Logistic回归、Softmax分类和神经网络。每一个模型都从最基本的概念出发先推导运行过程，然后再结合TensorFlow讲解张量、计算图等真正的意义。神经网络这一部分讲解得十分详细，我们将从最基本的感知机原理开始进而使用多层感知机解决异或问题（XOR），重点是该课程详细推导了前向传播与反向传播的数学过程并配以TensorFlow实现。
教程第二天详细地讨论了卷积神经网络，它从TensorFlow的训练与构建技巧开始，解释了应用于神经网络的各种权重初始化方法、激活函数、损失函数、正则化和各种优化方法等。在教程随后论述CNN原理的部分，我们可以看到大多是根据斯坦福CSn课程来解释的。第二天最后一部分就是使用TensorFlow实现前面的理论，该教程使用单独的代码块解释了CNN各个部分的概念，比如说2维卷积层和最大池化层等。
教程第三天详解了循环神经网络，其从时序数据开始先讲解了RNN的基本概念与原理，包括编码器-解码器模式、注意力机制和门控循环单元等非常先进与高效的机制。该教程后一部分使用了大量的实现代码来解释前面我们所了解的循环神经网络基本概念，包括TensorFlow中单个循环单元的构建、批量输入与循环层的构建、RNN序列损失函数的构建、训练计算图等。
下面机器之心将根据该教程资料简要介绍TensorFlow基本概念和TensorFlow机器学习入门实现。更详细的内容请查看香港科技大学三日TensorFlow速成课程资料
三日速成课程GoogleDrive资料ive.google.有什么方法治疗白癜风白癜风最好的治愈方法
转载请注明：http://www.baoshijiec.com/ylhx/1644.html
