精华内容
下载资源
问答
  • 你不需要过多地关心“TensorFlow和Python需要掌握到什么程度”这样的问题。Python是一门通用的编程语言,通用的编程语言其实都是相通的,变量声明、函数声明和调用、算术、分支结构、循环结构、递归、模块,无非就是...

    你不需要过多地关心“TensorFlow和Python需要掌握到什么程度”这样的问题。

    Python是一门通用的编程语言,通用的编程语言其实都是相通的,变量声明、函数声明和调用、算术、分支结构、循环结构、递归、模块,无非就是这些。了解Python中以上概念是如何表达的,然后实际动手写点Python程序就可以了。

    TensorFlow是一个框架,方便构建神经网络。大概了解TensorFlow的架构,知道TensorFlow怎么用,然后实际动手使用下TensorFlow就可以了。

    Python和TensorFlow都有很详细的文档,网上各种资源也相当丰富。所以你并不需要追求掌握到什么程度,有基本程度的了解后,发现有不会的,去查就是了。

    举个例子,IBM研究院有一位Research Staff Member,Victor Dibia,使用Tensorflow框架构建了一个实时检测手部的应用。这个应用可以基于视频或摄像头的视频流实时检测手部。

    上面是应用的演示,注意,其中有一段时间手被杯子挡住了,但是应用照样毫不含糊地检测出手部了。

    Victor Dibia在构建这个应用之前没怎么用过Python和TensorFlow。所以,构建这个应用的过程同时也是学习Python和TensorFlow的过程。那么,你猜猜他总共用了多少时间?

    一个周末!

    没想到吧?

    所以说,真的不用太关注Python和TensorFlow需要掌握到什么程度这样的问题。直接上手,边学边做,边做边学。我建议你大概了解Python和TensorFlow后,参照Victor Dibia的做法,写一个小项目,在这个过程中学习Python和TensorFlow。试试看,能不能像Victor Dibia那样一个周末搞定?也许能,也许不能,谁知道呢?但相信我,即使你没有这么快,这样学习是最快、最有效率的。

    展开全文
  • 近日学习使用TensorFlow搭建神经网络建模终于取得了一些微小的成绩: 1、学会了使用Squential \ class 搭建神经网络模型 2、学会了使用compile来配置模型训练方法,如损失函数、优化器、准确性评价方法 3、学会了...

    近日学习使用TensorFlow搭建神经网络建模终于取得了一些微小的成绩:

    1、学会了使用Squential \ class 搭建神经网络模型
    2、学会了使用compile来配置模型训练方法,如损失函数、优化器、准确性评价方法
    3、学会了一些经典的神经网络模型的实现方法
    4、学会了各优化器的作用和效果
    5、学会了搭建神经网络进行训练和学习的整体框架和步骤


    其实,我学习TensorFlow不止一两周了。我是从今年的2月份就开始学习了。当时报名了一个天池的算法比赛,需要使用CNN和RNN模型进行建模,所以从那时就开始了学习TensorFlow之路。虽然中间因为工作的原因断断续续,但是直到5月底,我对于TensorFlow的概念还是模糊的,一团浆糊,重点功能和模块说不清楚、抓不住。

    但从6月中旬开始,渐渐找到 感觉,走对了路子,一直到现在7月下旬了,总算是取得了一些自己认可的小成绩,学会了独立用TensorFlow进行建模工作。
    我回顾整个学习TF的过程,总结了这中间发生的几个关键转折点:

    1、找对了教材
    2、跟对了老师
    3、成功安装TF2,成功配置IDEA开发环境解释器,成功进入开发环境
    4、自己动手在IDEA中coding,熟练掌握建模的关键核心步骤
    5、开始问问题,去读官方API文档寻找答案
    6、开始在脑海中将各分散凌乱的API组织成一张交互的知识网,对庞杂的官方API文档有了功能逻辑上的整体认识

    正如我坚信的那句话,学习路上的每一步都不会浪费。每个当下看似零散无用的知识都会在将来某个时刻某个地方发挥其不可或缺的作用。学习TensorFlow的这一路走来,躺了无数的坑,历尽了困惑和不解,比我去年9月份开始学习Spark的时候难多了。但是也正是因为这样的一个曲折的过程,才让我发现和总结了一些宝贵的学习经验。

    接下来我们就开始细说下这段曲折的学习过程,已经在这个过程中的6个关键点都是如何发生的,又是如何拯救我于水火之中,最终成功将我送达彼岸的。

    1、找对教材

    开始学习TensorFlow的时候,我跟大家一样一开始也是先去查看官方教程。但是真的是无力吐槽,官方教程完全让人摸不着头脑。我跟着官方教程学了2周多还未能有感觉,果断失去了耐心。这是我找错的第一本教材。

    之后我觉得要想系统的了解TF,了解它的运行原理和计算机制还是要有一本系统的教材才行。所以我网上搜了下相关教材,检索到的高频推荐的教材就是《TensorFlow实战-Google深度学习框架》。大约花了一周多的时间看完,还在2月17号的时候发了一篇学习笔记博文:《TensorFlow实战-Google深度学习框架》笔记

    但是这是我找错的第二本教材。因为这本书是基于TensorFlow1.X的,而现在已经21年了,TF都已经升级到了2.X。2.X比1.X有了很大的升级和改版,完全可以说是我想去学开飞机,结果跑去报了个汽车驾驶班。所以我在看这本教材的时候,非常非常的困惑,因为我几乎不可能用下载的TF2.X版本的代码做coding实验。试了几次不能debug后,我就完全放弃了看这本书里的代码,到后面就只看书中讲的案例实现过程和思路。

    这样之后很长一段时间我停下来学TF了,因为入不了门,摸不着整体框架,找不到感觉和兴奋点。但是转折点在3月中下旬来了。之前报名的天池算法大赛3月24是DDL。和我一起组队的小伙伴一个人承担了全部的工作,提交了代码进入了初赛。但是初赛只是拿到了入场券,要进入决赛还是需要进一步优化模型的。这时候同组的小伙伴让我来主导,他已经在初赛尽力了。

    出于这样的压力和自我要求,我只能再次拾起TensorFlow ,再次进入学习和实践模式。而这次我知道自己要用的是CNN、RNN模型,想要的是快速落地和实践的代码。之前用的教材又都是失败的。恰好我想起了2020年年初的时候我让同学给我推荐过一本他学习深度学习用过的比较好的书。

    没有想到的是,这本书本身就是偏向实践的教程,书也比较新是20年出版的,主要用的是TF2 和Keras,并且还配有github代码。跟着教材上的案例讲解配套看对应的章节的git代码,再自己复制下代码到Jupyter中运行,竟然很快就找到了感觉。当时感觉深度学习好简单,开心的不得了,也很有成就感。

    对于这本书一看入迷,根本停不下来。书中关于CNN、RNN、GAN、VAE等经典模型的讲解和代码实现非常之精彩、易懂。这时候我才惊觉,原来这就是我要找的教材。而之前走的弯路,经历的挫折,承受的负面情绪的折磨都是因为用错了教材。误我深矣。


    2、跟对老师

    网上有很多深度学习、神经网络相关的视频教程,亦有很多名校的、名师的课程。比如比较火的台湾大学的某老师的课程,或者知名的吴恩达深度学习系列,MIT深度学习等等。虽然我机器学习是跟着吴恩达老师的视频课学的,当时真的是推崇备至,奉为圭臬,至今也是非常的喜欢,但是其深度学习的视频课程,我实在是没有跟下来。

    可见一个老师擅长讲一门课的知识,但未必见得其他课的知识他也能讲的入门三分、趣味盎然。对于TensorFlow2和Keras的视频教程,我网上也看了一些,但大多没有给我很好的指导。直到我遇到了《TensorFlow2人工智能实践》视频课。我实在太喜欢这个老师了,讲解的非常的简要、精辟、直接又深刻,从不绕弯子,一点也不藏私,更绝的是很有自己的理解,而不是念书本。课程只有4个多小时,不用一星期就能完成一刷,刷完感觉自己就全部通了。浑身通透,就像被打通了任督二脉一样。

    唯一可惜和遗憾的是我看到这个视频课的时候已经是6月上旬了,距离我2月中旬开始学习TensorFlow已经过去了近4个月了。真的希望当时的自己该再早点看到的。


    3、成功安装TF2,成功配置IDEA开发环境解释器,成功进入开发环境

    正如我前面所说的,到了6月中旬了,我还没有在IDEA开发环境中进行过神经网络模型的开发。之前成功运行的一直都是Jupyter环境,而这非常不利于工程化,更不是工作中开发上线模型所使用的开发环境。所以,如果不能成功安装TF2,不能在IDEA中成功配置TF2环境解释器,那么我永远也学不会神经网络模型的工程化开发,永远无法进阶成为高级玩家。

    痛定思痛,必须要解决这个问题。我相信做难事必有所得,不能逃避。不能一直在Jupyter开发环境上将就着。跟着网上的视频教程,终于从6月16晚上11点到6月17凌晨2点前把开发环境问题解决了。这样我就成功的步入了使用Pycharm进行神经网络模型工程化开发的阶段。​​​​​​​这对于一个工程师来说是重要的一步,从此我就不再是使用Jupyter打野的了。


    4、自己动手在IDEA中coding,熟练掌握建模的关键核心步骤

    读万卷书,不如自己动手写书。代码就算你看了千千万,如果不能自己coding出来,都不能算你学会了。

    code , debug, run 这是一个合格的算法工程师必须熟练和熟悉的,无须多言。


    5、开始问问题,去读官方API文档寻找答案

    如果4还只是根据git或教材上的案例进行代码的记忆复现,那么现在这个阶段就是要深入细节、深入背后的原理

    问问自己,这个API的功能是实现什么,源码是怎么写的,都定义了哪些方法,每个方法都有哪些参数,参数背后又对应了深度学习的哪个知识、哪个原理。

    选择了一个API+方法+参数,这样的配置对模型训练过程、结果的影响是怎样的。

    什么样的场景下用这种API或方法,什么样的场景下用另一种API或方法,为什么,对应的原理又是什么。

    API与API之间是怎么联动的,怎么交互作用的,是否又可以相互替代。

    等等等,这些问题是一个业务熟练的算法工程师必须要知道答案的。而寻找这些问题答案的不二途径就是看官方API文档,阅读API源码,coding做实验验证自己猜想的答案,或者去书中寻找答案的理论支撑。


    6、开始在脑海中将各分散凌乱的API组织成一张交互的知识网,对庞杂的官方API文档有了功能逻辑上的整体认识

    当阅读多了官方API文档,你会渐渐地发现这些API之间的联系和联动。你会清晰的看到这些API是如何将深度学习的理论知识进行一块块地代码实现的,它们不再是孤立的、单一的API,而是深度学习这个鲜活的生命体上的一个个细胞和组织。它们相互作用、连接,一起发挥作用,生成一个个和而不同的神经网络模型。

    以上就是我从21年2月12到今天21年7月22这大半年来学习TensorFlow的过程和经验总结。对我来说这次的经历受益匪浅,为以后的学习之路蹚出来很多宝贵的经验和教训。分享出来给我的粉丝们,与君共勉。

    展开全文
  • TensorFlow学习心得

    2021-04-22 19:07:07
    本人小白一枚,学TensorFlow两个礼拜多。一开始是在学数据预处理,然后发现处理的数据得发挥点作用是吧,然后就入了TensorFlow的坑 在我写这篇博文的时候TensorFlow的版本是2.4.1 我的一个想法是初学者装...

    本人小白一枚,学TensorFlow两个礼拜多。一开始是在学数据预处理,然后发现处理的数据得发挥点作用是吧,然后就入了TensorFlow的坑

    在我写这篇博文的时候TensorFlow的版本是2.4.1

    我的一个想法是初学者装TensorFlow2.3.0版本。如果你是用anaconda装或者升级TensorFlow个人建议指定一下版本号,不然anaconda会默认升级到2.4.1(最新版)。用anaconda装我尝试过两种方法:

    (一):通过anaconda的图形化界面装TensorFlow。这样你只能装1.0版本的(anaconda一般提供稳定版),但这个时候初学者又很不爽是吧,2.0版改动很大,也是大势所趋未来也要换2.0

    (二):在anaconda prompt 中用pip指令可以升级或直接装TensorFlow。这个方法真的很方便(基本不会遇到太大的问题)

     

    最后推荐一本书:《轻松学会TensorFlow 2.0 人工智能深度学习应用开发》。最近把图书馆的TensorFlow的书都翻了遍(就是看不懂就过的那种)最后我选了这本。这本书的代码思路清晰,而且源码拿来直接能跑。代码跑起来对我这种小白来说,成就感一下就来了。

    最后说一下我遇到的问题汇总:

    (一):按照最新出版的书上的代码敲,没法运行(2021.1第一版),一开始我用的是TensorFlow2.4.1。我猜测现在还没有出2.4.1的相关中文书。

    (二):py文件中定义 张量 一运行程序会闪退。python.exe已经停止运行、未解决的win32错误。一开始我网上看到这一类错误,有网友建议重装环境。我头铁一想手疼难道把手剁了,环境是不可能重装的。那时我还不知道是那句代码引起的问题。当我用ipython notebook发现TensorFlow只要一定义张量,程序就会闪退。果断重装环境了。(我猜测可能是各个依赖包出问题了)

     

     

    展开全文
  • PyTorch还是TensorFlow

    千次阅读 2020-12-18 17:00:00
    在机器学习领域,面对各类复杂多变的业务问题,构建灵活易调整的模型是高阶机器学习工程师必备的工作能力。然而,许多工程师还是一个想法上的误区,以为只要掌握了一种深度学习的框架就能走遍天下了...

    在机器学习领域,面对各类复杂多变的业务问题,构建灵活易调整的模型是高阶机器学习工程师必备的工作能力。然而,许多工程师还是有一个想法上的误区,以为只要掌握了一种深度学习的框架就能走遍天下了。

    事实上,在机器学习领域里没有任何一种框架是能够制霸整个行业的,每位机器学习工程师都必须同时掌握多种框架才能适应业务发展的需要。

     

    那么有没有一种框架是相对来说更方便好用的呢?这个问题的答案是肯定的,在这里我就要为你推荐 PyTorch了。

    不瞒你说,PyTorch 以它良好的扩展性和超高的实现速度,近年来已赢得了不少工程师的喜爱和赞赏。首先,PyTorch 支持 GPU,这就能够显著提升代码的运行效率。同时,相比 TensorFlow 和 Caffe,Pytorch作为动态图能力的集大成者和先驱之一,可以让开发者像写python代码一样定义和训练模型,大大降低上手成本,节省不少的开发时间。

    此外,PyTorch 的代码还比 TensorFlow 的代码更加简洁直观、友好易懂,堪称是非常优质的学习案例,这也能帮助许多工程师更深度地理解机器学习。

     

    说到这里,不得不推荐极客时间 PyTorch 的小课了,众微科技 AI Lab 负责人王然手把手教你上手 PyTorch。现在还有少量免费学习的名额哦!

     

    王然手把手教你上手 PyTorch

    众微科技 AI Lab 负责人、阿姆斯特丹大学数学和计量经济学双硕士--王然,将从零开始手把手地带你理解 PyTorch 的基本用法、模型训练过程以及使用PyTorch Lighting 完成复杂逻辑,最后实现一个自定义的神经网络并验证效果。

    课程大纲????

           

    学完后你将收获

    1. 如何通过 PyTorch 实现各种场景下(多 GPU,TPU 等)的训练

    2. 如何利用 PyTorch 内在的网络架构定义自己的网络

    3. 如何利用 PyTorch 的 Tensor 运算撰写自己的网络

     

    如何看课?

     

    扫描下方二维码,或点击阅读原文即可报名????

    免费预约「机器学习训练营」开营直播

     

    除了 PyTorch 这些框架之外,想要成为一名“能出活”的、被大厂需要的机器学习工程师,还是需要系统的提升技能。

    在此,推荐给你王然老师的「机器学习训练营」课程设计对标阿里 P6,15 周全程直播授课,带你成为能落地的实干型机器学习工程师。下周二开营,现在开营直播免费开放,王然老师会跟你聊聊工程师怎么才能解决实际问题。

    直播时间:12月22日晚 20:00

    直播主题:如何成为能出活的机器学习工程师?

    你将获得:

    • 怎样才称得上是能出活的工程师?

    • 机器工程师应该有什么样的知识体系?

    • 有哪些入行小白要摆脱的学习误区?

    扫描上方二维码,添加学习助理即可领取 PyTorch 课程并预约直播????

    戳“阅读原文”即可学习!王然手把手教你上手 PyTorch!   

    展开全文
  • 学习《简单粗暴TensorFlow2》 官方文档:https://tf.wiki/zh_hans/basic/basic.html 第一个tensorflow程序 #导入tensorflow模块并为模块起一个别名 import tensorflow as tf #在此我们就现为它起别名为tf,即...
  • 前言、为什么要学习TensorFlow2.x

    千次阅读 2020-12-29 16:53:03
    其实在很久之前小编就想开设这样一个专栏了,毕竟TensorFlow2.x已经问世很久了。跟1.x相比,它真是了太大的变化,现在TensorFlow已经到了2.4.0的版本...关注专栏《一起来学TensorFlow2.x》,解锁更多相关内容~ ..
  • 读入数据总结欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右...
  • 菜鸟学TensorFlow 2.0:TensorFlow2.0安装与环境配置1. TensorFlow概述2. TensorFlow环境搭建 1. TensorFlow概述 Tensorflow是当今深度学习很流行的一个框架,它是由谷歌开发的深度学习框架到现在已经发布到了TF2.0...
  • 文章末尾博主为大家整理了人工智能学习资料想提升自身能力和转行的朋友可以免费领取。 历史优秀文章推荐: 人工智能图像识别深度解析:弱人工智能时代最重要的一个应用 AI人士不得不了解的十大机器算法 一文看...
  • [tensorflow2.0]迁移学习

    2021-01-01 18:35:06
    一个端到端的示例:微调猫—狗的图像分类模型 加载数据 数据标准化 使用随机数据扩充 建立模型 训练顶层参数 对整个模型进行一轮微调 预加载 import numpy as np import tensorflow as tf from tensorflow import ...
  • TensorFlow练手项目三:使用VGG19迁移学习实现图像风格迁移_ 食用方法: 在setting.py里面更改配置就可以了 # 内容特征层及loss加权系数 CONTENT_LAYERS = {'block4_conv2': 0.5, 'block5_conv2': 0.5} # 风格特征层...
  • 1、tensorflow安装 pip install tensorflow 2、打开anaconda prompt conda creat -n TF2.1 python=3.7 #新建一个python3.7版本的名为TF2.1的环境 conda activate TF2.1 pip install tensorflow #在自己创建的环境下...
  • 以下教学基于tensorflow官网最新版本,也就是tf2.0以上,新入门者也建议从2.0起,抽象较为高层,api较为友好。如果你需要看一些1.0代码,也可以参考旧版文档。首先进入教程左边栏中快速入门,keras,预处理先进行...
  • import tensorflow as tf from PIL import Image print(tf.__version__) print(np.__version__) # 自增长 gpus = tf.config.experimental.list_physical_devices('GPU') print(gpus) for gpu in gpus: tf.config....
  • tensorflow学习

    2021-03-18 10:22:22
    tensorflow 参考tensorflow 官网教程 文章目录tensorflow1.手写数字识别2.利用Fashion MNIST 对服装图像进行分类3.TUF电影评论文本分类。4.利用cnn进行人脸识别4.1 获取人脸图片4.2 对人脸图片进行处理4.3 训练模型...
  • 错误还望各位大佬指正。 注:我使用的是Spyder进行的代码编写与运行。 文章目录Tensorflow 学习之猫狗分类案例前言一、cats_and_dogs数据集1.cats_and_dogs_filtered.zip下载地址2.数据集概况3.部分图片可视化二...
  • 本文将探讨PyTorch和TensorFlow这两种流行深度学习框架之间的关键相似点和不同点。为什么选择这两个框架,而不是其他的呢?目前很多的深度学习框架,而且很多都可用于实际的生产,我...
  • TensorFlow什么

    2021-02-01 10:46:59
    TensorFlow 是世界上最受欢迎的开源机器学习框架,它具有快速、灵活并适合产品级大规模应用等特点,让每个开发者和研究者都能方便地使用人工智能来解决多样化的挑战。 今天DT君给大家推荐的这个视频(及文字实录)...
  • 学习tensorflow

    2021-02-01 12:04:51
    刚开始使用import tensorflow as tf遇到错误 使用 TensorFlow 2 来完成2.0 + 4.0的计算 2出现报错 3. 4.TensorFlow的基础内容 ##TensorFlow 中的基本数据类型,包含数值类型、字符串类型和布尔类型 5.要...
  • tensorflow dataset使用

    2021-01-03 10:57:28
    可以以下方法生成dataset: from_tensor_slices() 将输入的张量、元组、字典进行切片处理。切片发生在最外层的维度。比如将(5,2)形状的张量输入,得到的是5个(2)形状的张量: import tensorflow as tf s = ...
  • Tensorflow实现神经网络参数初始化。
  • 作者:AI小昕在之前的Tensorflow系列文章中,我们教大家学习了Tensorflow的安装、Tensorflow的语法、基本操作、CNN的一些原理和项目实战等。本篇文章将为大家总结Tensorflow纯干货学习资源,非常适...
  • TensorFlow】迁移学习

    2021-02-22 13:12:50
    在训练好的inception-v3中,因为将瓶颈层的输出再通过一个单层的全连接层神经网络可以很好地区分1000种类别的图像,所以理由认为瓶颈层输出的节点向量可以被作为任何图像的一个更加精简且表达能力更强的特征向量。...
  • 让机器去思考,这是一个多么让人激动的事情! 可以直接在TF中加载已经内置的数据集。 一般而言,是一个28x28的数组...那么为什么标签不是一个描述性文字,而是数字呢? 答案是: 为了避免bias,也就是偏差。 ...
  • TensorFlow Lite 学习

    千次阅读 2021-06-10 09:49:38
    TensorFlow Lite是一种用于设备端推断的开源深度学习框架。本次对TensorFlow Lite 中的部分android 设备demo进行了编译。
  • import tensorflow as tf 2 使用Sequential建立模型 在tf.keras.models.Sequential中添加模型: 官方文档对 Sequential 的描述是:Sequential groups a linear stack of layers into a tf.keras.Model 使用示例如:...
  • 19年接触tensorflow1.X,看过1.X的官方文档、到19年暑假的时候,我记得tensorflow2的发布。tensorflow2抛弃了tf.seesion,tf.placeholder。 AutoGraph 是 Tensorflow 2.0 新功能之一。 function or seesion 在...
  • tfhub是tensorflow官方提供训练好的模型的一个仓库。今天,我使用 tfhub中的模型EfficientDet-Lite2 进行对象检测 选择的模型是EfficientDet-Lite2 对象检测模型。它在具有 91 个不同标签的 COCO17 数据集上进行了...
  • TensorFlow 学习

    2021-11-27 22:01:47
    记录自己学习TensorFlow的过程,因为正在做的项目需要将机器学习与esp32结合使用,想要将机器学习的过程也放在esp32上实现。因为tensorflow lite可以实现代码向嵌入式设备的转换,所以开始学习tensorflow。目前内容...
  • 关于anaconda方式安装tensorflow(cpu版本)之前已经博客写过了。这一次更新一下anaconda方式安装tensorflow(gpu版本),他们的区别在于TensorFlow-gpu版对安装的要求要高些,需要NVIDIA的驱动及CUDA工具支持。 1、...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 107,507
精华内容 43,002
关键字:

学tensorflow有什么用