TensorFlow快速入門---前提條件和準備工作

主要記錄散人學(xué)習TensorFlow的歷程。文章搬至https://developers.google.cn/machine-learning/crash-course/prereqs-and-prework,加上散人的理解贡茅。google上好多內(nèi)容鏈接都是英文的刽锤,雖說IT碼農(nóng)必須會一些英語弓乙,但是為了自己方便,后續(xù)我會找一些中文資料來替換原有的英文材料状蜗。

在寫這篇博客前确封,散人對機器學(xué)習知之甚少除呵。

(以下為文章拷貝)

在開始機器學(xué)習速成課程之前,請先閱讀下面的前提條件和準備工作部分爪喘,以確保您已做好完成所有單元所需的準備工作颜曾。

前提條件

機器學(xué)習速成課程并不會假定或要求您預(yù)先掌握機器學(xué)習方面的任何知識。但是腥放,為了能夠理解課程中介紹的概念并完成練習泛啸,您最好滿足以下前提條件:

掌握入門級代數(shù)知識。?您應(yīng)該了解變量和系數(shù)、線性方程式候址、函數(shù)圖和直方圖(熟悉對數(shù)和導(dǎo)數(shù)等更高級的數(shù)學(xué)概念會有幫助吕粹,但不是必需條件)。

熟練掌握編程基礎(chǔ)知識岗仑,并且具有一些使用 Python 進行編碼的經(jīng)驗匹耕。?機器學(xué)習速成課程中的編程練習是通過?TensorFlow?并使用?Python?進行編碼的。您無需擁有任何 TensorFlow 經(jīng)驗荠雕,但應(yīng)該能夠熟練閱讀和編寫包含基礎(chǔ)編程結(jié)構(gòu)(例如稳其,函數(shù)定義/調(diào)用、列表和字典炸卑、循環(huán)和條件表達式)的 Python 代碼既鞠。

注意:有關(guān)機器學(xué)習速成課程中使用的數(shù)學(xué)和編程概念的詳細列表以及針對每個概念的參考資料,請參閱下面的主要概念和工具部分盖文。

準備工作

有關(guān)如何在計算機上下載嘱蛋、安裝和運行編程練習的說明,請參閱在本地運行編程練習五续。

Pandas 使用入門

機器學(xué)習速成課程中的編程練習使用?Pandas?庫來操控數(shù)據(jù)集洒敏。如果您不熟悉 Pandas,建議您先學(xué)習intro_to_pandas.ipynb該教程介紹了練習中使用的主要 Pandas 功能疙驾。

低階 TensorFlow 基礎(chǔ)知識

機器學(xué)習速成課程中的編程練習使用 TensorFlow 的高階?tf.estimator API?來配置模型凶伙。如果您有興趣從頭開始構(gòu)建 TensorFlow 模型,請學(xué)習以下教程:

hello_world.ipynb:在低階 TensorFlow 中編碼的“Hello World”它碎。

tensorflow_programming_concepts.ipynb:演示了 TensorFlow 應(yīng)用中的基本組件:張量函荣、指令、圖和會話链韭。

creating_and_manipulating_tensors.ipynb:張量快速入門 - TensorFlow 編程中的核心概念偏竟。此外,還回顧了線性代數(shù)中的矩陣加法和乘法概念敞峭。

主要概念和工具

機器學(xué)習速成課程中介紹并應(yīng)用了以下概念和工具。有關(guān)詳情蝉仇,請參閱鏈接的資源旋讹。

數(shù)學(xué)代數(shù)

變量系數(shù)函數(shù)

線性方程式轿衔,例如?y=b+w1x1+w2x2

對數(shù)和對數(shù)方程式沉迹,例如?y=ln(1+ez)

S 型函數(shù)

線性代數(shù)

張量和張量等級

矩陣乘法

三角學(xué)

Tanh(作為激活函數(shù)進行講解,無需提前掌握相關(guān)知識)

統(tǒng)計信息

均值害驹、中間值鞭呕、離群值標準偏差

能夠讀懂直方圖

微積分(可選,適合高級主題)

導(dǎo)數(shù)概念(您不必真正計算導(dǎo)數(shù))

梯度或斜率

偏導(dǎo)數(shù)(與梯度緊密相關(guān))

鏈式法則(帶您全面了解用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的反向傳播算法

Python 編程基礎(chǔ) Python

Python 教程中介紹了以下 Python 基礎(chǔ)知識:

定義和調(diào)用函數(shù):使用位置和關(guān)鍵字參數(shù)

字典宛官、列表葫松、集合(創(chuàng)建瓦糕、訪問和迭代)

for?循環(huán):包含多個迭代器變量的?for?循環(huán)(例如?for a, b in [(1,2), (3,4)])

if/else?條件塊條件表達式

字符串格式(例如?'%.2f' % 3.14)

變量、賦值腋么、基本數(shù)據(jù)類型(int咕娄、float、bool珊擂、str)

pass?語句

中級 Python

Python 教程還介紹了以下更高級的 Python 功能:

列表推導(dǎo)式

Lambda 函數(shù)

第三方 Python 庫

機器學(xué)習速成課程代碼示例使用了第三方庫提供的以下功能圣勒。無需提前熟悉這些庫;您可以在需要時查詢相關(guān)內(nèi)容摧扇。

Matplotlib(適合數(shù)據(jù)可視化)

pyplot?模塊

cm?模塊

gridspec?模塊

Seaborn(適合熱圖)

heatmap?函數(shù)

Pandas(適合數(shù)據(jù)處理)

DataFrame?類

NumPy(適合低階數(shù)學(xué)運算)

linspace?函數(shù)

random?函數(shù)

array?函數(shù)

arange?函數(shù)

scikit-learn(適合評估指標)

metrics?模塊

Bash 終端/云端控制臺

要在本地計算機上或云端控制臺中運行編程練習圣贸,您應(yīng)該能熟練使用命令行:

Bash 參考手冊

Bash 快速參考表

了解 Shell

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市扛稽,隨后出現(xiàn)的幾起案子吁峻,更是在濱河造成了極大的恐慌,老刑警劉巖庇绽,帶你破解...
    沈念sama閱讀 206,214評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件锡搜,死亡現(xiàn)場離奇詭異,居然都是意外死亡瞧掺,警方通過查閱死者的電腦和手機耕餐,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,307評論 2 382
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來辟狈,“玉大人肠缔,你說我怎么就攤上這事『咦” “怎么了明未?”我有些...
    開封第一講書人閱讀 152,543評論 0 341
  • 文/不壞的土叔 我叫張陵,是天一觀的道長壹蔓。 經(jīng)常有香客問我趟妥,道長,這世上最難降的妖魔是什么佣蓉? 我笑而不...
    開封第一講書人閱讀 55,221評論 1 279
  • 正文 為了忘掉前任披摄,我火速辦了婚禮,結(jié)果婚禮上勇凭,老公的妹妹穿的比我還像新娘疚膊。我一直安慰自己,他們只是感情好虾标,可當我...
    茶點故事閱讀 64,224評論 5 371
  • 文/花漫 我一把揭開白布寓盗。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪傀蚌。 梳的紋絲不亂的頭發(fā)上基显,一...
    開封第一講書人閱讀 49,007評論 1 284
  • 那天,我揣著相機與錄音喳张,去河邊找鬼续镇。 笑死,一個胖子當著我的面吹牛销部,可吹牛的內(nèi)容都是我干的摸航。 我是一名探鬼主播,決...
    沈念sama閱讀 38,313評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼舅桩,長吁一口氣:“原來是場噩夢啊……” “哼酱虎!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起擂涛,我...
    開封第一講書人閱讀 36,956評論 0 259
  • 序言:老撾萬榮一對情侶失蹤读串,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后撒妈,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體恢暖,經(jīng)...
    沈念sama閱讀 43,441評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 35,925評論 2 323
  • 正文 我和宋清朗相戀三年狰右,在試婚紗的時候發(fā)現(xiàn)自己被綠了杰捂。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,018評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡棋蚌,死狀恐怖嫁佳,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情谷暮,我是刑警寧澤蒿往,帶...
    沈念sama閱讀 33,685評論 4 322
  • 正文 年R本政府宣布,位于F島的核電站湿弦,受9級特大地震影響瓤漏,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜颊埃,卻給世界環(huán)境...
    茶點故事閱讀 39,234評論 3 307
  • 文/蒙蒙 一赌蔑、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧竟秫,春花似錦、人聲如沸跷乐。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,240評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至馒稍,卻和暖如春皿哨,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背纽谒。 一陣腳步聲響...
    開封第一講書人閱讀 31,464評論 1 261
  • 我被黑心中介騙來泰國打工证膨, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人鼓黔。 一個月前我還...
    沈念sama閱讀 45,467評論 2 352
  • 正文 我出身青樓央勒,卻偏偏與公主長得像,于是被迫代替她去往敵國和親澳化。 傳聞我的和親對象是個殘疾皇子崔步,可洞房花燭夜當晚...
    茶點故事閱讀 42,762評論 2 345