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:jobs@aiera.com.cn
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)。
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
· 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:
热爱人工智能和媒体事业;
具有3年以上媒体采编经验,在业内有一定影响力及人脉;
具有原创+编译团队管理经验,善于部门间协作沟通;
对TMT领域有深入理解,对行业趋势有独到的洞察;
英文阅读写作及沟通能力优异;
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;
具有创业精神及团队精神,有恒心肯吃苦;
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