谷歌云官方:一小时掌握深度学习和TensorFlow(视频+50PPT)

谷歌云官方:一小时掌握深度学习和TensorFlow(视频+50PPT)优质

这是一个3小时的课程(视频+ppt),本课程为开发者提供简要的深度学习基础知识的介绍,以及 TensorFlow 的教学。深度学习(又名神经网络)是建立机器学习模型的流行方法,许多开发者使用深度学习实现了他们的想法。如果你想学会深度学习,但又缺少时间,我深有同感。我大学时有一位数学老师,会对我大喊大叫:“Görner!积分在幼儿园就教过了!”我现在也有同样的感觉,在我阅读大多数免费的深度学习在线资源时,我深感幼儿园教育显然严重缺乏“dropout摇篮曲”、“cross-entropy谜语”和“relu-gru-rnn-lstm怪物故事”之类的知识。然而,这些基本的概念对这些在线资源的许多作者来说是习以为常的。为了帮助更多开发者不需去念博士学位就能获得深度学习的技巧,我打造了这个速成课程(总长度3小时)。本课程重点介绍一些基本的网络架构,包括稠密、卷积和循环网络,以及这些网络的训练技巧,如 dropout 或批标准化(batch normalization)。本课程最初于2016年11月在比利时安特卫普的Devoxx会议上发布。通过观看课程录像以及学习附注释的ppt,你可以了解如何解决神经网络中的一些经典问题,理解足够的术语和概念,以继续进行深度学习的自学(例如,可以利用TensorFlow的资源学习)。拿出 1 小时,学会 TensorFlow 和深度学习如果你只有1小时:一边看下面的ppt,一边观看此视频讲座。这部分包括了稠密网络和卷积网络,也有提供可作自学的代码(https://codelabs.developers.google.com/codelabs/cloud-tensorflow-mnist/#0)。以下是PPT:不需要 PHD 就能掌握的TensorFlowHello World: 手写数字分类 —MNIST极度简单的模型:softmax 分类在矩阵符号,一次处理100张图片在矩阵符号,一次处理100张图片Softmax,一批次图像现在,在TensorFlow中进行处理(Python)成功了吗?DemoTensorFlow—初始化TensorFlow—成功与否的衡量TensorFlow—训练TensorFlow—运行TensorFlow—完整的 Python 代码首先尝试一下五层完全连接的神经网络TensorFlow—初始化TensorFlow—模型RELURELU=修正线性单元Demo-噪声准确率曲线慢着:学习率衰退过拟合Dropout所有的party tricks过拟合过拟合:太多的神经元,没有足够的数据,搭建的网络不够好。卷积层黑客的建议:全卷积卷积神经网络TensorFlow-初始化TensorFlow-模型Demo更大型的卷积神经网络更大型的卷积神经网络+dropoutDemo成功!如果你有 3 小时的时间如果你有3个小时(推荐!这部分介绍了循环网络,值得多花点时间),你可以观看这个视频讲座(https://www.youtube.com/watch?v=vq2nnJ4g6N0&feature=youtu.be)。这部分需要阅 Part 1 和 Part 2 两个 ppt。Part 1 的 ppt 就是上面已经介绍过的。3 小时的课程内容相比前面更加丰富,以下是目录。你可以根据下面的图片,对照已经学过的章节内容。   第1章:介绍;手写数字识别(最简单的神经网络)第2章:神经网络构成 + TensorFlow 基础第3章:更多工具:多层,relu,dropout,学习速率衰减第4章:卷积网络第5章:批标准化第6章:TensorFlow 的高级 API第7章:循环神经网络第8章:Google Cloud 机器学习平台下一步· 用 codelab 写一个神经网络https://codelabs.developers.google.com/codelabs/cloud-tensorflow-mnist/#0· 阅读 TensorFlow “入门”文档:https://www.tensorflow.org/get_started/·浏览其他 TensorFlow 教程·通过 StackOverflow 上的 tensorflow 标签加入讨论·了解 Google Cloud 机器学习编译来源:https://cloud.google.com/blog/big-data/2017/01/learn-tensorflow-and-deep-learning-without-a-phd注:本稿件摘自数据观入驻自媒体—新智元,转载请注明来源,微信搜索“数据观”获取更多大数据资讯。

更多热门推荐:
分享到 :
相似文章

发表评论

登录... 后才能评论