TensorFlow Tutorials
1.0.0
Мы предоставляем исходный код, который позволяет вам шаг за шагом практиковать TensorFlow от основ до применения.
Он охватывает большую часть содержимого руководства, представленного на официальном сайте TensorFlow, и гораздо более краток, чем исходный код, представленный на официальном сайте, поэтому вы сможете легко изучить концепции. Кроме того, все комментарии на корейском языке(!).
Однако, поскольку основное внимание уделялось изучению основных концепций различных методов и моделей, а также тому, как использовать TensorFlow, а не глубокому пониманию теории и точной реализации, учтите, что существует множество областей, где реализация недостаточна.
Кроме того, я был бы признателен, если бы вы могли обращаться к коду и комментариям, чтобы вы могли понять его последовательно, а не создавать красивый код.
Благодаря множеству людей, проявивших интерес к этому репозиторию, я систематизировал аннотации, добавил пояснения и опубликовал книгу под названием «3-минутное глубокое обучение голбина хакера» (Hanbit Media, 2017).
Вместо того, чтобы глубоко вникать в теорию, мы сосредоточились на изучении основных концепций различных моделей глубокого обучения и на том, как использовать базовый TensorFlow. Поэтому я думаю, что это будет особенно полезно для разработчиков, которые плохо знакомы с глубоким обучением/машинным обучением.
Конечно, для украшения это даже лучше. ^_^б
Да24 | Кёбо Книжный магазин | Аладдин
Как человек, изучающий глубокое обучение, я прочитал немало оригинальных книг, отечественных переводов и материалов, но никогда не видел ничего, что объясняло бы ключевые моменты настолько кратко и практично. В то время как другие книги обычно ограничиваются объяснением моделей CNN, эта книга рассматривает основные модели глубокого обучения, включая RNN, DQN и автокодировщик, с практическими примерами, обеспечивая хорошее направление для тех, кто изучает глубокое обучение. Я настоятельно рекомендую эту книгу как обязательную книгу для всех, кто начинает глубокое обучение.
Пён Ук Чо (Дэхёп Чо), облачный инженер Google в Корее, автор книги «(серверная часть Дэхёпа Чо) по архитектуре большой емкости и настройке производительности».
«Искусственный интеллект — это электричество новой эпохи». Доктор Эндрю Нг, ведущий мировой специалист в области глубокого обучения, после ухода из Baidu выразил будущую ценность ИИ следующим образом. Это означает, что ИИ больше не является исследовательской деятельностью для нескольких ученых, а стал технологией, которую каждый может с комфортом использовать в повседневной жизни, как электричество. Фактически, эта книга хорошо объясняет, что глубокое обучение, ядро ИИ, — это электрическая технология, которую каждый может использовать с комфортом. CNN, серебряная пуля распознавания изображений, GAN, самая горячая картошка 2016 года, RNN, представитель распознавания естественного языка, и DQN Deep Mind Google, представленный AlphaGo... На первый взгляд это довольно сложная аббревиатура, но, как вы понимаете, медленно просмотрите пример кода в этой книге. Если вы будете следовать инструкциям, любой сможет легко понять, что на самом деле представляют собой технологии, представляющие область искусственного интеллекта, посредством дружелюбных объяснений. Прочитав последнюю главу этой книги, я еще больше согласен с Эндрю Нг. Я уверен, что эта книга станет хорошим руководством для тех, кто хочет эффективно использовать электричество.
Пак Санг Гиль, руководитель группы развития нового поиска Kakao
Я подумал, что смогу подойти к глубокому обучению таким интересным способом. Это не слишком легко и не слишком академично. Я считаю, что процесс создания последовательного и хорошо организованного кода станет важной вехой для тех, кто новичок в этой области.
Со Мин Гу, инженер-программист Google в Корее, автор книги «Практика обработки и анализа данных с использованием R».
Подробные кодо-ориентированные объяснения и основные понятия, изложенные в простой терминологии! Это книга, которая представляет собой руководство для разработчиков, не знакомых с глубоким обучением, отправляющихся в море глубокого обучения. Я хотел бы порекомендовать это своей жене, которая собирается окунуться в мир глубокого обучения!
Ха Чон У, руководитель группы исследований искусственного интеллекта Naver Clova
выпуск | SlideShare
Давайте воспользуемся Inception, моделью нейронной сети, разработанной Google, которая отлично подходит для распознавания изображений.
Без необходимости самостоятельно реализовывать модель нейронной сети вы можете сразу применить программу с отличной скоростью распознавания для практики использования собственных данных, просто написав простой скрипт.
Для получения дополнительной информации обратитесь к документу 11 — Inception/README.md.
Давайте реализуем DQN, обучение с подкреплением с использованием глубокого обучения, разработанное компанией Google DeepMind, известной благодаря AlphaGo.
Это может показаться немного сложным, но я максимально разделил ключевые части, чтобы вы могли следовать дальше.
Для получения дополнительной информации обратитесь к документу 12 — DQN/README.md.
Более базовую теорию можно найти в следующих курсах и репозиториях.
~/.matplotlib/matplotlibrc и добавьте backend: TkAgg .
