【TensorFlow超级指南】你能想到的TF教程和资源都在这里了

2018 年 8 月 6 日 新智元





  新智元报道  

来源:bytegain

编译:三石


【新智元导读】众所周知,TensorFlow已然成为机器学习的热门工具。不论是学习还是从事与机器学习相关的工作,能够灵活使用TensorFlow可以大幅提高作业效率。本文涵盖与TensorFlow相关的教程、书籍、工具、求职等的大量信息。尽数资源,应有尽有。



不论你是刚刚“入坑”机器学习,亦或是在机器学习领域摸爬滚打多年,本文所总结的TensorFlow资源,总有一款是你需要的!


话不多说,上干货!


教程


Martin Görner课程—《无需成为博士即可学会TensorFlow和机器学习》




如果你已经掌握了线性代数,那么这是一个很好的起点。 因为它会涉及几个高级概念,例如:


  • 什么是神经元;

  • 不同类型的激活函数以及为何要使用Relu;

  • 如何通过dropout提高模型的精确度;

  • 如何评估模型以及如何调参。


Jacob Buckman—《TensorFlow:令人困惑的部分(1)》:


https://jacobbuckman.com/post/tensorflow-the-confusing-parts-1/


Dino Causevic—《TensorFlow入门:机器学习教程》:


https://www.toptal.com/machine-learning/tensorflow-machine-learning-tutorial


《Python TensorFlow教程:构建一个神经网络》:


http://adventuresinmachinelearning.com/python-tensorflow-tutorial


TensorFlow教程:




Jason Brownlee—《掌握机器学习》:


https://machinelearningmastery.com/start-here/


示例


代码示例


https://github.com/aymericdamien/TensorFlow-Examples

https://github.com/MorvanZhou/Tensorflow-Tutorial


工具


Google Colaboratory (Colab):


https://colab.research.google.com/notebooks/welcome.ipynb#scrollTo=9wi5kfGdhK0R

COLAB笔记本


Colab提供了一个基于Jupyter的交互式Python笔记本,它具有两大优势


  • 可以使用它来生成HTML / CSS的可视化

  • 免费的GPU计算时间


Colab是一个用来共享研究、分享学习新工具心得的平台。


Tensorboard:




https://www.tensorflow.org/programmers_guide/summaries_and_tensorboard

https://github.com/tensorflow/tensorboard


Tensorboard正在展示交叉熵图


Tensorboard 3D图


Tensorboard是一种可视化机器学习模型的工具。 旨在解决黑盒问题。 它对以下几方面的内容有较大的作用:


  • 设计模型的结构

  • 调试

  • 可视化性能

  • 生成结果图


一些技巧


结合使用Tensorboard和Colab:


https://stackoverflow.com/questions/47818822/can-i-use-tensorboard-with-google-colab


如果你发现了Tensorboard和Colab的价值所在,那么你就值得花费一定的时间学习如何讲它们结合使用。


社区


Announcements & Jokes:

https://www.reddit.com/r/MachineLearning/


Slack:

https://slofile.com/slack/ai-researchers


Discord:

https://discordlist.me/join/167811324590424065/


书籍


神经网络与深度学习(免费在线图书):

http://neuralnetworksanddeeplearning.com/


深度学习(在线图书):

http://www.deeplearningbook.org/


Goodreads上流行的数据科学书籍:

https://www.goodreads.com/shelf/show/data-science



更多资源


机器学习研究:

https://distill.pub/


arXiv:


  • 人工智能:https://arxiv.org/list/cs.AI/new

  • 计算机视觉和模式识别:https://arxiv.org/list/cs.CV/new

  • 机器学习:https://arxiv.org/list/cs.LG/new


职业


《如何成为数据科学家》:

https://www.datasciencecentral.com/profiles/blogs/how-to-become-a-data-scientist-for-free


求职


linkedIn:https://www.linkedin.com/jobs/machine-learning-jobs/

AngelList: https://angel.co/machine-learning/jobs



新智元AI WORLD 2018大会【早鸟票】

开售!


新智元将于9月20日在北京国家会议中心举办AI WORLD 2018 大会,邀请机器学习教父、CMU教授 Tom Mitchell,迈克思·泰格马克,周志华,陶大程,陈怡然等AI领袖一起关注机器智能与人类命运。


大会官网:

http://www.aiworld2018.com/ 


即日起到8月19日,新智元限量发售若干早鸟票,与全球AI领袖近距离交流,见证全球人工智能产业跨越发展。



  • 活动行购票链接:

    http://www.huodongxing.com/event/6449053775000

  • 活动行购票二维码: 


登录查看更多
1

相关内容

Google发布的第二代深度学习系统TensorFlow
TensorFlow Lite指南实战《TensorFlow Lite A primer》,附48页PPT
专知会员服务
69+阅读 · 2020年1月17日
谷歌机器学习速成课程中文版pdf
专知会员服务
145+阅读 · 2019年12月4日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
39+阅读 · 2019年10月9日
PyTorch 官方推荐了一份 60 分钟的深度学习指南
技术最前线
19+阅读 · 2019年10月17日
移动端机器学习资源合集
专知
8+阅读 · 2019年4月21日
TensorFlow 2.0如何在Colab中使用TensorBoard
专知
17+阅读 · 2019年3月15日
TF Boys必看!一文搞懂TensorFlow 2.0新架构!
引力空间站
18+阅读 · 2019年1月16日
令人困惑的TensorFlow!
机器之心
4+阅读 · 2018年7月2日
【下载】TensorFlow机器学习教程手把手书谱
专知
38+阅读 · 2017年12月22日
TensorFlow神经网络教程
Python程序员
4+阅读 · 2017年12月4日
Learning to Weight for Text Classification
Arxiv
8+阅读 · 2019年3月28日
Universal Transformers
Arxiv
5+阅读 · 2019年3月5日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
5+阅读 · 2018年6月5日
VIP会员
相关VIP内容
TensorFlow Lite指南实战《TensorFlow Lite A primer》,附48页PPT
专知会员服务
69+阅读 · 2020年1月17日
谷歌机器学习速成课程中文版pdf
专知会员服务
145+阅读 · 2019年12月4日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
PyTorch 官方推荐了一份 60 分钟的深度学习指南
技术最前线
19+阅读 · 2019年10月17日
移动端机器学习资源合集
专知
8+阅读 · 2019年4月21日
TensorFlow 2.0如何在Colab中使用TensorBoard
专知
17+阅读 · 2019年3月15日
TF Boys必看!一文搞懂TensorFlow 2.0新架构!
引力空间站
18+阅读 · 2019年1月16日
令人困惑的TensorFlow!
机器之心
4+阅读 · 2018年7月2日
【下载】TensorFlow机器学习教程手把手书谱
专知
38+阅读 · 2017年12月22日
TensorFlow神经网络教程
Python程序员
4+阅读 · 2017年12月4日
相关论文
Learning to Weight for Text Classification
Arxiv
8+阅读 · 2019年3月28日
Universal Transformers
Arxiv
5+阅读 · 2019年3月5日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
5+阅读 · 2018年6月5日
Top
微信扫码咨询专知VIP会员