谷歌云官方：一小时掌握深度学习和 TensorFlow（视频+50PPT）

1 新智元编译  

来源：cloud.google.com

译者：刘小芹、胡祥杰、王楠

新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。 

简历投递：[e-mail]

HR 微信：13552313024

新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

加盟新智元，与人工智能业界领袖携手改变世界。

【新智元导读】谷歌云官方博客今日更新，云平台开发支持人员 Martin Görner 发文，分享快速掌握深度学习和 TensorFlow 的贴心教程。材料有两部分，是面向工程师的实用型讲解，分别为只有 3 小时的忙人和只有 1 小时的超级忙人准备。新智元节选后者，让你在 2017 春节来临前，拿出 1 小时学会 TensorFlow 和深度学习。另外，视频也方便已经是熟手的你复习，说不定还能从中得到新的启示。

这是一个3小时的课程（视频+ppt），本课程为开发者提供简要的深度学习基础知识的介绍，以及 TensorFlow 的教学。

深度学习（又名神经网络）是建立机器学习模型的流行方法，许多开发者使用深度学习实现了他们的想法。如果你想学会深度学习，但又缺少时间，我深有同感。

我大学时有一位数学老师，会对我大喊大叫：“Görner！积分在幼儿园就教过了！”我现在也有同样的感觉，在我阅读大多数免费的深度学习在线资源时，我深感幼儿园教育显然严重缺乏“dropout摇篮曲”、“cross-entropy谜语”和“relu-gru-rnn-lstm怪物故事”之类的知识。然而，这些基本的概念对这些在线资源的许多作者来说是习以为常的。

为了帮助更多开发者不需去念博士学位就能获得深度学习的技巧，我打造了这个速成课程（总长度3小时）。

本课程重点介绍一些基本的网络架构，包括稠密、卷积和循环网络，以及这些网络的训练技巧，如 dropout 或批标准化（batch normalization）。

本课程最初于2016年11月在比利时安特卫普的Devoxx会议上发布。

通过观看课程录像以及学习附注释的ppt，你可以了解如何解决神经网络中的一些经典问题，理解足够的术语和概念，以继续进行深度学习的自学（例如，可以利用TensorFlow的资源学习）。

拿出 1 小时，学会 TensorFlow 和深度学习

如果你只有1小时：

一边看下面的ppt，一边观看此视频讲座。

https://v.qq.com/txp/iframe/player.html?vid=z0369e2w8yu&width=500&height=375&auto=0

这部分包括了稠密网络和卷积网络，也有提供可作自学的代码（https://codelabs.developers.google.com/codelabs/cloud-tensorflow-mnist/#0）。

那这就开始了~

不需要 PHD 就能掌握的TensorFlow 

Hello World： 手写数字分类 —MNIST

极度简单的模型：softmax 分类

在矩阵符号，一次处理100张图片

在矩阵符号，一次处理100张图片

Softmax，一批次图像

现在，在TensorFlow中进行处理（Python）

成功了吗？

Demo

TensorFlow—初始化

TensorFlow—成功与否的衡量

TensorFlow—训练

TensorFlow—运行

TensorFlow—完整的 Python 代码

首先尝试一下五层完全连接的神经网络

TensorFlow—初始化

TensorFlow—模型

RELU

RELU=修正线性单元

Demo-噪声准确率曲线

慢着：学习率衰退

过拟合

Dropout

所有的party tricks

过拟合

过拟合：太多的神经元，没有足够的数据，搭建的网络不够好。

卷积层

黑客的建议：全卷积

卷积神经网络

TensorFlow-初始化

TensorFlow-模型

Demo

更大型的卷积神经网络

更大型的卷积神经网络+dropout

Demo

成功！

如果你有 3 小时的时间

如果你有3个小时（推荐！这部分介绍了循环网络，值得多花点时间），你可以观看这个视频讲座（https://www.youtube.com/watch?v=vq2nnJ4g6N0&feature=youtu.be）。

这部分需要阅 Part 1 和 Part 2 两个 ppt。Part 1 的 ppt 就是上面已经介绍过的。

3 小时的课程内容相比前面更加丰富，以下是目录。

你可以根据下面的图片，对照已经学过的章节内容。

第1章：介绍；手写数字识别（最简单的神经网络）

第2章：神经网络构成 + TensorFlow 基础

第3章：更多工具：多层，relu，dropout，学习速率衰减

第4章：卷积网络

第5章：批标准化

第6章：TensorFlow 的高级 API

第7章：循环神经网络

第8章：Google Cloud 机器学习平台

下一步

· 用 codelab 写一个神经网络

https://codelabs.developers.google.com/codelabs/cloud-tensorflow-mnist/#0

· 阅读 TensorFlow “入门”文档：https://www.tensorflow.org/get_started/

·浏览其他 TensorFlow 教程

·通过 StackOverflow 上的 tensorflow 标签加入讨论

·了解 Google Cloud 机器学习

编译来源：https://cloud.google.com/blog/big-data/2017/01/learn-tensorflow-and-deep-learning-without-a-phd

---

新智元招聘

职位  执行总编、主编

职位年薪：50万（工资+奖金）-100万元（工资+奖金+期权）
工作地点：北京-海淀区
所属部门：编辑部
汇报对象：CEO
下属人数：20人
年龄要求：25 岁至 40 岁
语　　言：专业英语八级以上或海外留学从业背景

职位背景：在IT媒体领域有专业团队管理经验与主流话语权
学历要求：硕士及以上

职位描述：

1. 热爱人工智能和媒体事业；

2. 具有3年以上媒体采编经验，在业内有一定影响力及人脉；

3. 具有原创+编译团队管理经验，善于部门间协作沟通；

4. 对TMT领域有深入理解，对行业趋势有独到的洞察；

5. 英文阅读写作及沟通能力优异；

6. 较强的抗压能力和自驱力，能在竞争激烈的环境下激励团队；

7. 具有创业精神及团队精神，有恒心肯吃苦；

8. 理工科背景优先，有知名企业或知名媒体机构工作经验者优先。

职责

全权负责新智元内容平台策划、生产与运营，对内容质量、用户阅读体验、影响力负责。具体负责完成对内容平台定位和规划，组建并管理采编团队，策划执行重点选题，建立和维护供稿作者资源；监控公众号各项数据指标变动，并以此为基础改进提升内容质量。

新智元欢迎有志之士前来面试，更多招聘岗位请访问新智元公众号