我的学习资料总结

选择使用tensorflow的理由

  • 有详细的课程总结,斯坦福的cs20 是一个介绍tensorflow入门的课程,课程中有详细的大纲课程主页
  • 里面包括简单介绍 包括tensorflow的历史,流行趋势等
  • 一些底层操作例api介绍,例如变量,数据结构,导入数据等,包括tensorboard这可可视化的工具,使用tensorboard能非常方便的可视化直观的理解你的模型这一章节内容最为重要
  • Google开发有TPU硬件来加速tensorflow执行,如果你没有NVIDIA的硬件,当你需要大量训练,使用TPU是一个好主意,而且google对新注册云计算平台的用户有赠送300美元的代金券,能够极大的降低你的使用成本. 期中文档中有大量的TPU的介绍和示例,例如这个mnist的手写体识别,TPU的更深入的了解 TPU的性价比性能评测 TPU开放的时候的博客声明
  • google同样开放了它的一个colab,方便广大开发者,学习深度学习时,免费上手使用,详细的colab这篇关于colab的博文能给你带来直观的感受

直观理解CNN

  • 这个链接是深度学习的可视化过程你能通过调整参数例如:隐藏层的个数,输入数据的形状等,直观的感受训练过程中参数对结果的影响
  • 这个链接,是一个手写数字可视化的在线链接,能方便的帮助你理解cnn中每一层的意义
  • 不同的核函数,对图片的不同影响的一个在线实例demo你甚至可以上传一个你自己的照片去实时的感受,kernel 对照片的影响,除此之外,作者还有很多其他有趣的可视化的例子,例如:指数函数,线性函数,pca等
  • 解密cnn一位加拿大的博主,从原理到代码,包括六大部分,这个是Andrew NG 课程中CNN作业中的参考链接

  • 从不同的角度理解cnn操作包括从方程角度,从神经网络角度,从矩阵乘法角度

  • Facets探索多维数据的工具从数据分布,到数据浏览到数据筛选,你可以从这个视频中得到介绍

fast.ai的一些博客

  • 按主题分类的博文它的博文中,大量引用其他人的链接,这种方式,使得阅读者能够按图索骥,寻找自己想要的资料
  • fastai 数值线性代数的课程numerical-linear-algebra
  • 最具有宝藏效果的是这个网站的论坛

学习课程资源目录