/tensorflow-learning

:tangerine: tensorflow、keras 学习；python 基础；numpy、matplotlib、scikit-learn等；python图像处理（含opencv、gdal等）；matlab 学习。

Primary LanguageJupyter Notebook

学习记录

1. 资料索引

学习来源：炼数成金的《深度学习框架TensorFlow学习与应用》视频 + 网上博客内容 。

视频目录：

第 1周 Tensorflow简介，Anaconda安装，Tensorflow的CPU版本安装
第 2周 Tensorflow的基础使用，包括对图(graphs),会话(session),张量(tensor),变量(Variable)的一些解释和操作
第 3周 Tensorflow线性回归以及分类的简单使用
第 4周 softmax，交叉熵(cross-entropy)，dropout以及Tensorflow中各种优化器的介绍
第 5周 卷积神经网络CNN的讲解，以及用CNN解决MNIST分类问题
第 6周 使用Tensorboard进行结构可视化，以及网络运算过程可视化
第 7周 递归神经网络LSTM的讲解，以及LSTM网络的使用
第 8周 保存和载入模型，使用Google的图像识别网络inception-v3进行图像识别
第 9周 Tensorflow的GPU版本安装。设计自己的网络模型，并训练自己的网络模型进行图像识别
第10周 使用Tensorflow进行验证码识别
第11周 Tensorflow在NLP中的使用(一)
第12周 Tensorflow在NLP中的使用(二)

说明：实际第 5 周讲的是 Tensorborad 结构可视化，第 6 周讲的是 CNN，下面视频中链接里的文件夹顺序，我已修正。

(1) 在线观看：

(2) 下载：

  • 《深度学习框架Tensorflow学习与应用》（含视频+代码+课件，视频总时长：13小时31分钟） 【百度网盘下载 密码: 1a8j】
  • 《深度学习框架Tensorflow学习与应用[只有videos-720p]》（该份资料只有视频文件） 【 百度网盘下载 密码: i3e2】

其他学习视频（觉得有必要可以看看~）：

(3) 相关资料：

2. 学习之路

(1) Python基础

学习 TensorFlow 之前，先学习掌握以下内容，包括 Python 基础、Anconada 安装等等：

(2) 科学计数库、Python图像处理库及其他

其他：

(3) tensorflow笔记

《深度学习框架Tensorflow学习与应用》笔记索引（其中会有补充一些内容）：

笔记补充：

3. keras 学习(深度学习前端框架)

  • Keras 学习笔记.md

  • Keras中的多分类损失函数categorical_crossentropy

    注意：当使用categorical_crossentropy损失函数时，你的标签应为多类模式，例如如果你有 10 个类别，每一个样本的标签应该是一个 10 维的向量，该向量在对应有值的索引位置为 1 其余为 0。

    可以使用这个方法进行转换：

    from keras.utils.np_utils import to_categorical

categorical_labels = to_categorical(int_labels, num_classes=None)

    以 mnist 数据集为例：

    from keras.datasets import mnist

(X_train, y_train), (X_test, y_test) = mnist.load_data()
y_train = to_categorical(y_train, 10)
y_test = to_categorical(y_test, 10)

...
model.compile(loss='categorical_crossentropy', optimizer='adam')
model.fit(X_train, y_train, epochs=100, batch_size=1, verbose=2)

  • keras中的回调函数 [荐]

4. 网上博文

损失函数：

优化器：

分类器：

其他：

数学：

Batch Normalization：

5. MNIST

6. TF快速入门总结

参考「机器之心」编译文章：

回到顶部