[关闭]
@notmylove 2019-03-23T04:15:07.000000Z 字数 893 阅读 737

TensorFlow 学习计划

未分类


  1. 首先学习机器学习算法,理解其概念、工作原理以及用途(先看Andrew Ng的视频),这里其实有很多概念需要区分,比如分类与聚类、有监督、半监督与无监督,分类与回归,拟合与插值等
  2. 然后是重点理解神经网络知识,了解其发展历程,重点是要理解深度神经网络的工作原理,由输入是怎么一步步得到输出的,在数学层面上是怎么理解的,重点理解神经网络是怎么训练的,是怎样通过损失函数来一步一步达到最好的结果。(先看Andrew Ng的视频),如果要设计及优化深度神经网络模型,那么这些原理一定要理解。
  3. 有了这些基础以后(当然也可以同步进行),看paper,了解TensorFlow核心概念。tensor(张量)包括常量、变量以及占位符是TensorFlow中的一个特别重要的概念,它定义的是计算规则,而不保存计算数据,是构建计算图的组成部分,可以说,TensorFlow计算的过程就是Tensor来建立计算图,然后使用Session会话来启动计算得到结果的过程。
  4. 看官方文档,了解Usage,看TensorFlow相关视频,参照文档写demo。
  5. 学习搭建多层深度神经网络,理解层数与神经元数对整个模型的影响。
  6. 然后进一步学习CNN卷积神经网络,理解卷积层与Pool层的工作过程与作用,以及卷积层数的变化对模型的影响,了解输入空间经过每一层的作用后output的形状.
  7. 这时需要了解更多的激活函数(relu、tanh、softmax、sigmoid等),对于什么类型的模型适用于哪些激活函数,理解更多的损失函数(mean_square_error、crossentropy的一系列组合等),以及这些损失函数的适用场景,最后则是优化器optimizer的选择,用来减少loss值的方法,有SGD、adam、RMSprop等
  8. 为了防止过拟合,可以用正则化方法在误差项进行改变,还有一种专门用在神经网络中的dropout regularization方法
  9. 进行更深入的研究,学习RNN循环神经网络、LSTM神经网络等更高级的神经网络,以及怎样去搭建使用它们。
  10. 学习可视化助手Tensorboard
  11. 看源码。
添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注