《TensorFlow從0到1》就要結(jié)束了。
3條主線
這個(gè)部分共包含18篇文章吴旋，4萬余字（簡(jiǎn)書的嚴(yán)格統(tǒng)計(jì)不到4萬）∠崞疲總的來說荣瑟，它無外乎兩方面內(nèi)容：人工神經(jīng)網(wǎng)絡(luò)，及其TensorFlow實(shí)現(xiàn)溉奕。稍細(xì)分的話褂傀，有3條主線。
主線1：神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)：
- 3 人類學(xué)習(xí)的啟示
- 4 第一個(gè)機(jī)器學(xué)習(xí)問題
- 6 解鎖梯度下降算法
- 8 萬能函數(shù)的形態(tài)
- 9 “驅(qū)魔”之反向傳播大法
- 10 NN基本功：反向傳播的推導(dǎo)
主線2：TensorFlow入門：
- 1 Hello,TensorFlow!
- 2 TensorFlow核心編程
- 5 TensorFlow輕松搞定線性回歸
- 7 TensorFlow線性回歸的參數(shù)溢出之坑
- 11 74行Python實(shí)現(xiàn)手寫體數(shù)字識(shí)別
- 12 TensorFlow構(gòu)建3層NN玩轉(zhuǎn)MNIST
- 17 Step By Step上手TensorBoard
- 18 升級(jí)手記：TensorFlow 1.3.0
主線3：神經(jīng)網(wǎng)絡(luò)優(yōu)化：
- 13 AI馴獸師：神經(jīng)網(wǎng)絡(luò)調(diào)教綜述
- 14 交叉熵?fù)p失函數(shù)——防止學(xué)習(xí)緩慢
- 15 重新思考神經(jīng)網(wǎng)絡(luò)初始化
- 16 L2正則化對(duì)抗“過擬合”
希望這么分類后加勤，能幫助讀者快速定位所需內(nèi)容仙辟。
神經(jīng)網(wǎng)絡(luò)——深度學(xué)習(xí)的基石
這個(gè)主題是關(guān)于TensorFlow的，可我很確定的是：沒有理論基礎(chǔ)的支持鳄梅，而直接學(xué)習(xí)工具叠国，幾乎寸步難行。所以戴尸，整個(gè)主題用到的幾乎全部是算法概念對(duì)照的底層API粟焊，而沒有高級(jí)API的身影。
我也沒有急于展開“火熱的”CNN孙蒙、RNN项棠，也是因?yàn)椋悍灿薪ㄔ欤裙袒挎峦，F(xiàn)代深度學(xué)習(xí)知識(shí)體系的基石香追，正是人工神經(jīng)網(wǎng)絡(luò)。我花了超過一半的篇幅來回填使用TensorFlow這一強(qiáng)大工具的前置條件坦胶，來實(shí)現(xiàn)事先的承諾：堅(jiān)持通過啟發(fā)性的方式透典，循序漸進(jìn)構(gòu)建系統(tǒng)化的理解，搭建一個(gè)“緩坡道”顿苇。而此時(shí)峭咒，你再回到TensorFlow游樂場(chǎng)，就會(huì)發(fā)現(xiàn)所有的設(shè)施都了無秘密纪岁。
盡管如此凑队，限于篇幅，仍然有很多的重要知識(shí)點(diǎn)來不及一一記錄和表達(dá)幔翰，還需要學(xué)習(xí)者自行鉆研顽决。
感謝
特別感謝我的恩師朱虹教授短条，以及朱虹圖像研究室的杜森和薛杉博士，在我決定要轉(zhuǎn)型AI領(lǐng)域時(shí)才菠，你們傾囊相授茸时，快速幫我建立了本領(lǐng)域最新的知識(shí)框架。
在輸出這個(gè)主題的過程中赋访，我自己受益匪淺可都。盡管10年前就對(duì)神經(jīng)網(wǎng)絡(luò)有所了解，可是當(dāng)真正付諸表達(dá)蚓耽，才發(fā)現(xiàn)認(rèn)識(shí)的膚淺渠牲。
感謝我的首批讀者們，你們的關(guān)注步悠、點(diǎn)贊签杈、建議和糾錯(cuò)，都讓這個(gè)主題變得更好鼎兽，也是對(duì)我個(gè)人的極大鼓勵(lì)答姥。你們每一位的留言都會(huì)永久保留。
此外谚咬，不用擔(dān)心《從0到1》的結(jié)束鹦付，因?yàn)椤稄?到2》即將開始。
共享協(xié)議：署名-非商業(yè)性使用-禁止演繹（CC BY-NC-ND 3.0 CN）
轉(zhuǎn)載請(qǐng)注明：作者黑猿大叔（簡(jiǎn)書）
