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)
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)
線性代數(shù)
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
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)])
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)
中級 Python
Python 教程還介紹了以下更高級的 Python 功能:
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)
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: