tensorflow学习 从入门到实战(转)

原文做者：zhaozhengcoder
连接：https://www.jianshu.com/p/27a2fb320934
來源：简书
简书著做权归做者全部，任何形式的转载都请联系做者得到受权并注明出处。

 

前一段时间比较系统的学习了一下tensorflow，从安装tensorflow到实现一些小的demo。在这个过程里面，在网上看了不少教程， 学习了不少大牛的博客，看了不少很棒的代码，同时也掉进了不少坑，走了不少“弯路”。在这里阶段性的小结一下。

推荐的tensorlfow 教程 ：

1. 吴恩达的deeplearning ，网易云课堂上面能够免费的观看。这个不是讲tensorflow，它更加注重 ，深度学习和机器学习的概念和数学推导过程。把这个课程看完以后，基本上会有对机器学习和深度学习有一个完整的认识，同时在写tensorflow的时候，调用一些函数的时候，不会对底层感到很迷茫。

2. 莫烦的tensorlfow教程
   一个很好的tf教程，很适合入门。but它的教程更偏向于tensorflow的实现过程，对于网络模型的底层的数学过程，他介绍的不是不少。可是，我我的以为这个很是重要，对于一个网络的正向和方向的数据流的过程以及维度的变化，仍是要有一个清楚的认识。要否则对机器学习的认识就变成一个黑盒了。

3. 周志华的西瓜书《机器学习》
   不少人推荐的一本经典教程吧，是结合吴恩达的课程一块儿看的，但没怎么看完，也不敢多评价了。

4. 李航 《统计学习方法》
   做为一个对数学很畏惧的人，基本上最纯数学的教程或书籍都是绕着走的。可是，这本是我看过的最好的数学类的书籍，很薄了一本书，淘宝20多元，可是真实的受益不浅，学到了很是很是多的东西。这本书能够一直放在手边，没事多翻翻。

5. @hanbingtao 的博客 https://www.zybuluo.com/hanbingtao/note/541458
   这位大哥的博客比较注重从网络模型的实现推导过程，从感知机到rnn，lstm，cnn全用公式推导了一次，包括正向和反向的过程。

6. 还有几个github ：
   Philippines大学的roatienza大爷的 https://github.com/roatienza
   hanbingtao 的GitHub ： https://github.com/hanbt
   莫烦的GitHub ：https://github.com/MorvanZhou
   Xiang Liang的GitHub ： https://github.com/xlvector

7. 还有实验室的师兄们，给了不少帮助。和 stackoverflow 解决了不少遇到的问题。

8. 公开课
   Udacity Deep Learning 优达学城
   英文 English 中文 Chinese 免费
   cs231n 卷积神经网络与计算机视觉
   cs224d 循环神经网络与天然语言处理

---

这是我用tf实现的经常使用的基本网络模型 ，这多是最容易上手，注释最多的tensorflow教程了。不少关于数据维度和tf的函数都加上了注释，对新手来讲很friendly。并且，他们都是能够从github上面拉下来就能够运行的！

包括：

1. 线性回归 ，Logistic 回归
2. 多层感知器 实现mnist手写数字数据集的分类
3. CNN卷积神经网络
4. RNN递归神经网络
5. LSTM网络
6. 自编码器
7. 保存和恢复模型

关于网络模型的介绍，代码的实现，学习过程当中遇到的问题，掉的“坑”，在后面文章里面再整理。先把代码放在这里。github地址 :
https://github.com/zhaozhengcoder/Machine-Learning/tree/master/tensorflow_tutorials