这是一个从基础开始,一层层添加难度的 Tensorflow 视频教程. 从代码的格式一直讲到如何创建多层神经网络, 和当下流行的CNN, RNN等等. 是新手入门的首选.

• 内容主要包括:
  • Tensorflow 基础;
  • Tensorboard 可视化工具;
  • 制作简单神经网络;
  • 处理分类, 回归问题, 深度学习;
  • CNN 卷积神经网络;
  • RNN 循环神经网络.

更多其他的学习教程资源点这里

1. Why?

• Tensorflow 简介
• 在这之前, <什么是机器学习>, <什么是神经网络>这两段简短的视频介绍都是很推荐的. 优酷的这两段视频在这: <什么是机器学习>, <什么是神经网络>.
• 优酷链接

2. 安装

• 介绍如何安装和安装时的限制
• 优酷链接

3. 例子1

• 用一个线性回归的例子来说明神经网络究竟在干什么. 我们还可视化了整个学习的过程. 代码和实现我们会在例子3中慢慢说.
• 优酷链接

4. 处理结构

• Tensorflow 的处理,代码结构可能和我们想象得不一样. 我们需要先定义好整个 graph, 也就是神经网络的框架,才能开始运算.
• 优酷链接

5. 例子2

• 这个例子是我们第一个开始将代码的例子. 我们来熟悉一下 tf 的代码吧. (代码)
• 优酷链接

6. Session 会话控制

• Session 是 tf 的主要结构之一, 他骑着控制整个运算结构的功能. (代码)
• 优酷链接

7. Variable 变量

• 我们会把 weights 还有 biases 当做变量来储存, 更新. 这个是介绍 variable 的基本使用方法. (代码)
• 优酷链接

8. Placeholder 传入值

• 定义好的神经网络结构, 我们就能用 placeholder 当作数据的接收口, 一次次传入数据. (代码)
• 优酷链接

9. 激励函数

• 请参考激励函数在<机器学习-简介系列>里的4分钟介绍. (优酷的<机器学习-简介系列>)
• 优酷链接

10. 例子3 添加神经层

• 用简单的函数做一个添加神经层的功能, 以后再不断套用这个功能 (代码)
• 优酷链接

11. 例子3 建造神经网络

• 运用上上次的添加层功能, 开始搭建神经网络. (代码)
• 优酷链接

12. 例子3 结果可视化

• 对于怎个例子3的学习步骤的可视化教程. (代码)
• 优酷链接

13. Optimizer 优化器

• 请参考优化器在<机器学习-简介系列>里的4分钟介绍. (优酷的<机器学习-简介系列>)
• 优酷链接

14. Tensorboard1 可视化好帮手

• 神经网络结构和参数, 数据的可视化. (代码)
• 优酷链接

15. Tensorboard2 可视化好帮手

• 同上. (代码)
• 优酷链接

16. Classification 分类神经网络

• 搭建一个用于分类的神经网络. (代码)
• 优酷链接

17. Dropout 过拟合问题

• 请参考过拟合在<机器学习-简介系列>的4分钟介绍. (优酷的<机器学习-简介系列>). 这节实现了用 dropout 解决过拟合的途径. (代码)
• 优酷链接

18. CNN 1 卷积神经网络

• 请参考CNN 在<机器学习-简介系列>中的介绍. (优酷的<机器学习-简介系列>)
• 优酷链接

19. CNN 2 卷积神经网络

• 代码部分. (代码)
• 优酷链接

20. CNN 3 卷积神经网络

• 代码部分. (代码)
• 优酷链接

21. Saver 保存参数

• 训练好了以后, 我们可以保存这些 weights 和 biases 的参数,避免重复训练. (代码)
• 优酷链接

22. RNN 循环神经网络

• 请参考RNN 在<机器学习-简介系列>中的4分钟介绍. 还有LSTM 在<机器学习-简介系列>中的介绍. 优酷的这两段简介视频在这: RNN简介, LSTM简介
• 优酷链接

23. RNN LSTM 例子1 分类

• 使用LSTM RNN 做 MNIST 图片集的分类问题. (代码)
• 优酷链接

24. RNN LSTM 例子2 回归

• 使用LSTM RNN 做 sin, cos 曲线的回归问题. (代码)
• 优酷链接

25. RNN LSTM 例子2 回归的学习过程可视化

• 对于上面的例子的训练可视化. (代码同上)
• 优酷链接