码上作答第二期（下）丨 TensorFlow 开发者认证的秘密，“考证第一人”为你揭晓！

“码上作答”持续进行中

每月一位领域专家传授“秘诀”

机会难得，提问了就是“赚”到了！

第二期邀请了“考证第一人”段清华总结

《TensorFlow 开发者认证怎么考？

深度指南带你闯关》

揭秘 TensorFlow 开发者认证的同时

还提供了丰富的学习干货

👇戳图片重温👇

为了解答更多开发者对学习、考证的疑问，

除了微信后台以外，

我们还从知乎、CSDN 等平台搜集问题。

来自段清华的详细解答已经新鲜出炉，

一起来看看在考证进阶的路上，

大家都有怎样的疑问吧！

来源微信

TensorFlow 码上作答 </>

Vol.2

Q1

考试要全程摄像头么？

向左滑动，查看专家建议

A

没有摄像头的要求。进入考试后，环境已经配置好，而考试是使用 PyCharm 的一个插件完成，来回传输的只有代码和保存后的模型，所以建议先熟悉 PyCharm 。

TensorFlow 码上作答 </>

Vol.2

Q2

模型计算的时候需要有显卡的电脑吗？

向左滑动，查看专家建议

A

不需要。考试主要是考察模型的构建能力，并不是准确率一定要达到世界领先，在考试过程中不要设计过于复杂的模型，考试所需的数据也都是比较小的数据集，都用 CPU 训练也没有问题。

TensorFlow 码上作答 </>

Vol.2

Q3

总共有多少道题？考试的时候能搜索吗？能翻阅资料吗？

向左滑动，查看专家建议

A

一共五道题。可以把考试认为是一个开发任务，你平时开发时候会怎么查资料，考试时就怎么查资料就好。引用《TensorFlow 开发者认证候选人手册 (Handbook)》的表述：

“

“在机器学习开发部分中，您可以使用平时使用的任何学习资源 (You may use whatever learning resources you would normally use during your ML development work.)”

”

扫码获取

《TensorFlow 开发者认证候选人手册》

TensorFlow 码上作答 </>

Vol.2

Q4

考试需要 TensorFlow 1.x 的知识吗？

向左滑动，查看专家建议

A

不需要。相关的知识点，可以回顾我在“码上作答”第二期上篇推文提到的知识点：使用 TensorFlow 2.x 构建和训练神经网络模型、图像分类、自然语言处理 (NLP)、时间序列、序列和预测。

如果发现自己缺乏了哪部分知识点，可以在 TensorFlow 官方网站寻找官方精选的机器学习资源，包括相关的文档、参考书籍、在线课程等。我建议可以先学习吴恩达老师推荐的 TensorFlow in Practice 专项课程，以及李锡涵的简单粗暴 TensorFlow 2 系列。

参考资料

🔗官网资源：

https://tensorflow.google.cn/resources/learn-ml

🔗《TensorFlow in Practice 专项课程》：

https://www.coursera.org/specializations/tensorflow-in-practice

TensorFlow 码上作答 </>

Vol.2

Q5

考试如何判断自己已经通过了？

向左滑动，查看专家建议

A

在考试过程中，五道题（五个模型）可以单独提交模型，查看单个模型的结果。这个结果并不直接代表是否通过考试，但可以作为一个参考。具体是否通过，还是完全交卷后等待结果。

TensorFlow 码上作答 </>

Vol.2

Q6

考试费用多少？

现在还有吴恩达老师的半价活动吗？正好想考一个～

向左滑动，查看专家建议

A

考试的标准费用为 100 美金。现在依旧可以申请限时教育补贴。

详情流程请扫描下方二维码了解

来源CSDN

TensorFlow 码上作答 </>

Vol.2

Q7

考试的模型是他给的，还是要自己想？五个模型有准确率的要求么？GPU 是什么类型的，能拉得动么？

向左滑动，查看专家建议

A

考试只定义了输入是什么，需要的结果是什么，具体使用什么模型结构是自己决定的，不是简单的填空题。比如假设有一道题要求是完成文本分类人物，你到底要用 CNN 还是 LSTM ，还是其他，其实都可以。

准确率没有具体标准。其实机器学习考试是很难考核模型本身“效果”优劣的，例如某个模型必须准确率到99.5%之类，毕竟有一定随机性的，所以其实重要的是，至少能把符合输入输出要求的模型搭建起来，也就是对于问题的基本建模能力。

模型的调试、训练，本身都是在你做题用的本地电脑上的，用 GPU 可以，不用其实也可以，因为模型数据量都不大，不是 kaggle 比赛，也不是要比准确率，问题都没必要建特别复杂的模型，重点是先能跑通模型，给出结果。

来源知乎

TensorFlow 码上作答 </>

Vol.2

Q8

Python 就会一些基础，

能通过考试吗？

向左滑动，查看专家建议

A

考试不是填空题，是真要写大段代码的。因此，是否能通过、什么样基础还算合格，这都是考试对于个人能力的考察，无法简单一概而论。

从备考的角度，我建议可以从两个方面进行自我校验：

1、考试手册 (Handbook) 中要求的技能，是否知道应如何实现？（不考虑实现效果的准确率）

2、对于其他机器学习的问题处理，自己开发的代码是否能实现？例如，去做 Kaggle 竞赛中的题目，在不考虑实现效果和准确率的情况，看能否从数据处理到模型能运行，都能独立实现，以此对自己水平进行验证。

TensorFlow 码上作答 </>

Vol.2

Q9

证书即使考下来，

三年以后还会有用吗？

向左滑动，查看专家建议

A

首先，这一证书的有效期是 3 年，我猜谷歌也考虑到了知识需要不断迭代这一点。其次，我认为获取证书，是在进阶的道路上，对个人一部分开发能力的证明。相信在正常的职业发展路线上，三年后的自己能力要比现在的自己要强，所以我猜想，证书本身也会跟着技术与环境的改变而更新变化，又或是大家会找到更多的渠道和方式来证明自己。

我在关于“人工智能就业前景”的知乎回答中，分享了对 AI 人才发展的看法。我认为企业的人才的需求会有下面几种变化：从对 AI 算法专家的需求，到对AI工程师的需求；从部分算法知识，发展到对算法理论与业务建模方法的深入理解。总的来说，要成为一个有职场竞争力、有创新能力的开发者，通过考证证明自己的能力是一个方面，更重要的是尽量不让自己的能力过于单一，需要能全方面的发展。

扫码查看相关知乎回答完整版

在征集提问的过程中，

我们也发现有开发者提出了

在学习 TensorFlow 的过程中遇到的难题，

也在此邀请段清华分享个人经验，

帮助其获得更有效的进阶方法。

TensorFlow 码上作答 </>

Vol.2

Q10

对于tf的pipeline，我个人理解的是 data_generator, model, optimizer, loss / metric 最后train。对于我来说，难点更在于新的模型的结构的复杂性，我不知道如何去正确地实现它。对于经典的网络结构，fast-rcnn, yolo, mobilenet, efficientnet effcientnet 诸如此类，我们是否需要去自己实现一遍，或者我们有什么推荐的方式自己去实现这些经典的网络架构？

向左滑动，查看专家建议

A

是否能完全复现研究，本身就是一个相对较困难的问题。可以看 BERT 的原论文中对各个下游任务的复现过程中，很多也没有完全复现之前 SOTA 的结果，可以看出来即便对于专业的研究者来说，这依然是有一定困难的。

对于是否要自己去实现一遍，我个人的建议是，对于一类任务，可以尝试去实现一个比较经典的模型。比如 YOLO 、RCNN 、RetinaNet 都是为了完成 Object Detection 任务，如果不是工作上有要求，可以选择一个复现，其他只需要弄懂即可。如果有要求，则根据自己的情况确定。

自己复现的是否正确，可以参考原算法论文的数据集和结果，也可以参考网络上其他开源的代码做交叉对比。自己复现的实现是否足够好，这个其实很难定义。即便是传统编程语言中如 C++ / Java，如何才算好的编程范式和实现方法，其实也是一直在变化的。建议，一方面参考官方中比较新的实现示例，也同时留意社区中一些活跃的项目代码。

参考资料

从 TensorFlow 官方模型中找到经典模型（直接点击跳转）：

TensorFlow Hub | Model Garden

《社区分享 | Tutorial of TF2.0 in Object Detection》

以上就是第二期“码上作答”的 Q&A，

对于本期的问答，你还有其他的疑问/解答？

欢迎在留言区分享！

想了解更多 TensorFlow 开发者认证计划，

可以点击文末左下角“阅读原文”了解详情，

也可以观看下方 B 站视频

想要看更多答疑内容和学习干货

1

回看往期答疑推文

码上作答第一期答疑篇

机器学习 Study Jam 答疑系列：

第一期 | 第二期

2

后台回复关键词“TF2”

你将获得“TensorFlow 2.X 学习大礼包”

轻松掌握 TensorFlow 深度学习框架的实战技能。

风里雨里， 

TensorFlow “码上作答”每个月都会陪你！

欢迎持续关注我们的公众号，

第三期话题8月也将准时“发车”，

千万不要错过！