TensorFlow Tutorials
1.0.0
Wir stellen Quellcode zur Verfügung, mit dem Sie TensorFlow Schritt für Schritt von den Grundlagen bis zur Anwendung üben können.
Es deckt den Großteil des Inhalts des auf der offiziellen TensorFlow-Website bereitgestellten Leitfadens ab und ist viel prägnanter als der auf der offiziellen Website bereitgestellte Quellcode, sodass Sie die Konzepte leicht erlernen können. Außerdem sind alle Kommentare auf Koreanisch (!).
Da der Schwerpunkt jedoch auf dem Erlernen der Grundkonzepte verschiedener Techniken und Modelle und der Verwendung von TensorFlow lag und nicht auf einem tiefen Verständnis der Theorie und einer genauen Implementierung, bedenken Sie bitte, dass es viele Bereiche gibt, in denen die Implementierung unzureichend ist.
Außerdem würde ich es begrüßen, wenn Sie auf den Code und die Kommentare verweisen könnten, damit Sie ihn in einem sequenziellen Ablauf verstehen können, anstatt schönen Code zu erstellen.
Dank der vielen Menschen, die Interesse an diesem Repository zeigten, organisierte ich die Anmerkungen, fügte Erklärungen hinzu und veröffentlichte ein Buch mit dem Titel „Golbin Hacker's 3-Minute Deep Learning“ (Hanbit Media, 2017).
Anstatt uns eingehend mit der Theorie zu befassen, haben wir uns darauf konzentriert, die Grundkonzepte verschiedener Deep-Learning-Modelle und die Verwendung von grundlegendem TensorFlow zu erlernen. Daher denke ich, dass es besonders hilfreich für Entwickler sein wird, die neu im Bereich Deep Learning/maschinelles Lernen sind.
Natürlich eignet es sich noch besser zur Dekoration. ^_^b
Ja24 | Kyobo-Buchhandlung | Aladdin
Als jemand, der Deep Learning studiert, habe ich eine ganze Reihe von Originalbüchern, inländischen Übersetzungen und Materialien gelesen, aber ich habe noch nie etwas gesehen, das die wichtigsten Punkte so prägnant und praktisch erklärt. Während sich andere Bücher normalerweise mit der Erläuterung von CNN-Modellen begnügen, geht dieses Buch mit praktischen Beispielen auf die wichtigsten Deep-Learning-Modelle ein, darunter RNN, DQN und Autoencoder, und bietet denjenigen, die sich mit Deep Learning befassen, eine gute Orientierung. Ich kann dieses Buch wärmstens empfehlen und ist ein Muss für jeden, der mit Deep Learning beginnt.
Byeong-wook Cho (Daehyeop Cho), Google Korea Cloud Engineer, Autor von „(Daehyeop Chos Serverseite) Large-Capacity Architecture and Performance Tuning“
„Künstliche Intelligenz ist die Elektrizität einer neuen Ära.“ Dr. Andrew Ng, der weltweit führende Experte für Deep Learning, drückte den zukünftigen Wert der KI nach seinem Ausscheiden aus Baidu wie folgt aus. Das bedeutet, dass KI nicht länger eine Forschungstätigkeit einiger weniger Wissenschaftler ist, sondern zu einer Technologie geworden ist, die jeder bequem im Alltag nutzen kann, so wie Elektrizität. Tatsächlich erklärt dieses Buch gut, dass Deep Learning, der Kern der KI, eine elektrische Technologie ist, die jeder bequem nutzen kann. CNN, die Wunderwaffe der Bilderkennung, GAN, die heißeste Kartoffel des Jahres 2016, RNN, Vertreter der Erkennung natürlicher Sprache, und DQN von Googles Deep Mind, repräsentiert durch AlphaGo ... Auf den ersten Blick ist es eine etwas schwierige Abkürzung, aber wie Sie Gehen Sie den Beispielcode in diesem Buch langsam durch. Wenn Sie mitmachen, kann jeder durch freundliche Erklärungen leicht verstehen, was die Technologien sind, die den Bereich der künstlichen Intelligenz repräsentieren. Nachdem ich das letzte Kapitel dieses Buches gelesen habe, stimme ich Andrew Ng noch mehr zu. Ich bin zuversichtlich, dass dieses Buch ein guter Leitfaden für diejenigen sein wird, die Elektrizität sinnvoll nutzen möchten.
Park Sang-gil, Leiter der Kakao New Search Development TF
Ich dachte, dass ich Deep Learning auf so unterhaltsame Weise angehen könnte. Es ist weder zu leicht noch zu akademisch. Ich glaube, dass der Prozess der Erstellung eines einzelnen und gut organisierten Codes ein Meilenstein für diejenigen sein wird, die neu in diesem Bereich sind.
Seo Min-gu, Softwareentwickler bei Google Korea, Autor von „Data Processing & Analysis Practice Using R“
Detaillierte Code-zentrierte Erklärungen und Grundkonzepte in einfacher Terminologie! Dies ist ein Buch, das als Leitfaden für Entwickler dient, die sich nicht mit Deep Learning auskennen, wenn sie in das Meer des Deep Learning eintauchen. Ich möchte dies meiner Frau empfehlen, die gerade dabei ist, in die Welt des Deep Learning einzutauchen!
Ha Jeong-woo, Leiter des KI-Forschungsteams von Naver Clova
issuu | SlideShare
Verwenden wir Inception, ein von Google entwickeltes neuronales Netzwerkmodell, das sich hervorragend für die Bilderkennung eignet.
Ohne selbst ein neuronales Netzwerkmodell implementieren zu müssen, können Sie sofort ein Programm mit einer hervorragenden Erkennungsrate anwenden, um die Verwendung Ihrer eigenen Daten zu üben, indem Sie einfach ein einfaches Skript schreiben.
Weitere Informationen finden Sie in Dokument 11 – Inception/README.md.
Lassen Sie uns DQN implementieren, ein Reinforcement Learning mit Deep Learning, das von Googles DeepMind entwickelt wurde, das für AlphaGo bekannt ist.
Es mag etwas kompliziert erscheinen, aber ich habe die wichtigsten Teile so weit wie möglich getrennt, damit Sie mitmachen können.
Weitere Informationen finden Sie in Dokument 12 – DQN/README.md.
Weitere grundlegende Theorie finden Sie in den folgenden Kursen und Repositories.
~/.matplotlib/matplotlibrc und fügen Sie die Einstellung backend: TkAgg .
