练习深度学习指南

为什么要写这个系列的练习指南?

大多数人,当然也包括我自己,在应用到新的知识之前,往往需要经历从理解–>练习–>应用,这三个过程,理解这一部分往往通过文档,老师,youtube,书籍,论文,视频入门.应用这部分,在文档中往往

大多数人,包括我自己,在学习 TensorFlow 的过程中,往往需要经历,理解–>练习–>应用–>理解,这个闭环过程,才能在真正的实际应用中,才会灵活运用.我在 Cousera 上学习深度学习专项课程的时候,发现每个Cousera课程后面都会附带有在线编程的练习,以帮助学生能更好的理解一个概念,这个在线编程练习,往往只需要学生完成中间的某一个代码的填空,完成这个填空需要大量的阅读例如官方文档,课程的PPT,额外的材料等,需要阅读的材料,往往多会在课程的 Jupyter Notebook 中有链接,这种学习方式效果很好,学习者做完的时候,也会有很多的成就感.这给我一个很深的体会,理想的课后练习,本应该就是这样吧,

我理解 TensorFlow 框架的时候,主要的渠道是斯坦福cs20i 和TensorFlow官网文档,应用主要渠道是TensorFlow官方的案例.由于没有真正的实践项目中间的练习环节很是缺乏,这也是我想自己编写本次练习材料的主要原因,目前计划主要从以下几个方面来创造练习文件

  • 01-Premade Estimators 练习
  • 02-特征工程练习
  • 03-导入数据练习
  • 04-Keras 练习
  • 05-Input Pipline练习
  • 06-可视化练习
  • 07-GPU 代码调优练习
  • 08-TPU 练习
  • 09-Layer 层练习
  • 10-底层 API 练习

练习文件,全部可以在colab上运行,也可下载到本地,用 Jupyter Notebook 运行