TensorFlow Tutorials
1.0.0
เรามีซอร์สโค้ดที่ช่วยให้คุณฝึกฝน TensorFlow ทีละขั้นตอนตั้งแต่พื้นฐานไปจนถึงแอปพลิเคชัน
โดยครอบคลุมเนื้อหาส่วนใหญ่ในคำแนะนำที่ให้ไว้ในเว็บไซต์ TensorFlow อย่างเป็นทางการ และมีความกระชับมากกว่าซอร์สโค้ดที่ให้ไว้ในเว็บไซต์อย่างเป็นทางการ ดังนั้นคุณจึงสามารถเรียนรู้แนวคิดได้อย่างง่ายดาย นอกจากนี้ คอมเมนต์ทั้งหมดเป็นภาษาเกาหลี(!)
อย่างไรก็ตาม เนื่องจากการมุ่งเน้นที่การเรียนรู้แนวคิดพื้นฐานของเทคนิคและแบบจำลองต่างๆ และวิธีการใช้ TensorFlow แทนที่จะเป็นความเข้าใจเชิงลึกเกี่ยวกับทฤษฎีและการใช้งานที่ถูกต้อง โปรดพิจารณาว่ามีหลายด้านที่การใช้งานยังไม่เพียงพอ
นอกจากนี้ ฉันจะยินดีเป็นอย่างยิ่งหากคุณสามารถอ้างถึงโค้ดและความคิดเห็น เพื่อที่คุณจะได้เข้าใจมันตามลำดับ แทนที่จะสร้างโค้ดที่สวยงาม
ขอบคุณผู้คนจำนวนมากที่แสดงความสนใจในพื้นที่เก็บข้อมูลนี้ ฉันจึงจัดระเบียบคำอธิบายประกอบ เพิ่มคำอธิบาย และตีพิมพ์หนังสือชื่อ 『การเรียนรู้เชิงลึก 3 นาทีของ Golbin Hacker』 (Hanbit Media, 2017)
แทนที่จะเจาะลึกเข้าไปในทฤษฎี เรามุ่งเน้นไปที่การเรียนรู้แนวคิดพื้นฐานของโมเดลการเรียนรู้เชิงลึกต่างๆ และวิธีการใช้ TensorFlow พื้นฐาน ดังนั้น ฉันคิดว่ามันจะเป็นประโยชน์อย่างยิ่งสำหรับนักพัฒนาที่เพิ่งเริ่มเรียนรู้เชิงลึก/การเรียนรู้ของเครื่อง
แน่นอนว่ายังดีกว่าสำหรับการตกแต่งอีกด้วย ^_^ข
ใช่24 | ร้านหนังสือคโยโบ | อะลาดิน
ในฐานะคนที่ศึกษาการเรียนรู้เชิงลึก ฉันได้อ่านหนังสือต้นฉบับ การแปลภายในประเทศ และเอกสารต่างๆ มาบ้างแล้ว แต่ฉันไม่เคยเห็นสิ่งใดที่อธิบายประเด็นสำคัญด้วยวิธีที่กระชับและใช้งานได้จริงขนาดนี้มาก่อน แม้ว่าหนังสือเล่มอื่นๆ มักจะหยุดแค่การอธิบายโมเดลของ CNN แต่หนังสือเล่มนี้เน้นไปที่โมเดลการเรียนรู้เชิงลึกที่สำคัญๆ รวมถึง RNN, DQN และตัวเข้ารหัสอัตโนมัติ พร้อมด้วยตัวอย่างที่ใช้งานได้จริง ซึ่งเป็นแนวทางที่ดีสำหรับผู้ที่กำลังศึกษาการเรียนรู้เชิงลึก ฉันขอแนะนำหนังสือเล่มนี้เป็นอย่างยิ่งว่าเป็นหนังสือที่ต้องมีสำหรับทุกคนที่เริ่มต้นการเรียนรู้เชิงลึก
Byeong-wook Cho (Daehyeop Cho), วิศวกรคลาวด์ของ Google Korea, ผู้เขียน 『(ฝั่งเซิร์ฟเวอร์ของ Daehyeop Cho) สถาปัตยกรรมความจุขนาดใหญ่และการปรับแต่งประสิทธิภาพ』
“ปัญญาประดิษฐ์คือพลังไฟฟ้าแห่งยุคใหม่” ดร. แอนดรูว์ อึ้ง ผู้นำระดับโลกด้านการเรียนรู้เชิงลึก กล่าวถึงคุณค่าในอนาคตของ AI ดังต่อไปนี้หลังออกจากไป่ตู้ ซึ่งหมายความว่า AI ไม่ใช่กิจกรรมการวิจัยสำหรับนักวิทยาศาสตร์บางคนอีกต่อไป แต่กลายเป็นเทคโนโลยีที่ใครๆ ก็สามารถใช้ได้ในชีวิตประจำวันอย่างไฟฟ้าอย่างสะดวกสบาย จริงๆ แล้วหนังสือเล่มนี้อธิบายได้ดีว่า Deep Learning ซึ่งเป็นหัวใจสำคัญของ AI นั้นเป็นเทคโนโลยีไฟฟ้าที่ใครๆ ก็ใช้ได้สบายๆ CNN, หัวข้อเงินของการรู้จำภาพ, GAN, มันฝรั่งที่ร้อนแรงที่สุดในปี 2559, RNN ตัวแทนของการรู้จำภาษาธรรมชาติ และ DQN ของ Deep Mind ของ Google ที่แสดงโดย AlphaGo... มันเป็นคำย่อที่ค่อนข้างยากเมื่อมองแวบแรก แต่ในขณะที่คุณ ค่อยๆ อ่านโค้ดตัวอย่างในหนังสือเล่มนี้ หากคุณทำตาม ทุกคนจะสามารถเข้าใจได้อย่างง่ายดายว่าเทคโนโลยีที่เป็นตัวแทนของสาขาปัญญาประดิษฐ์จริงๆ แล้วคืออะไรผ่านคำอธิบายที่เป็นมิตร หลังจากอ่านบทสุดท้ายของหนังสือเล่มนี้แล้ว ฉันเห็นด้วยกับ Andrew Ng มากยิ่งขึ้น ฉันมั่นใจว่าหนังสือเล่มนี้จะเป็นแนวทางที่ดีสำหรับผู้ที่ต้องการใช้ไฟฟ้าให้เกิดประโยชน์
ปาร์ค ซังกิล หัวหน้า TF การพัฒนาการค้นหาใหม่ของ Kakao
ฉันคิดว่าฉันสามารถเข้าสู่การเรียนรู้เชิงลึกได้อย่างสนุกสนาน มันไม่เบาเกินไปหรือวิชาการเกินไป ฉันเชื่อว่ากระบวนการสร้างโค้ดทีละรายการและมีการจัดระเบียบอย่างดีจะเป็นก้าวสำคัญสำหรับผู้ที่ยังใหม่กับสาขานี้
Seo Min-gu วิศวกรซอฟต์แวร์ของ Google เกาหลี ผู้เขียน 『การประมวลผลข้อมูลและการวิเคราะห์โดยใช้ R』
คำอธิบายที่เน้นโค้ดเป็นศูนย์กลางโดยละเอียดและแนวคิดพื้นฐานที่สร้างขึ้นในคำศัพท์ง่ายๆ! นี่คือหนังสือที่ให้คำแนะนำสำหรับนักพัฒนาที่ไม่ตระหนักถึงการเรียนรู้เชิงลึกเมื่อออกล่องเรือสู่ทะเลแห่งการเรียนรู้เชิงลึก ฉันอยากจะแนะนำสิ่งนี้ให้กับภรรยาของฉันที่กำลังก้าวเข้าสู่โลกแห่งการเรียนรู้เชิงลึก!
ฮาจองวู หัวหน้าทีมวิจัย Naver Clova AI
ออก | สไลด์แชร์
ลองใช้ Inception ซึ่งเป็นโมเดลโครงข่ายประสาทเทียมที่พัฒนาโดย Google ซึ่งเหมาะสำหรับการจดจำรูปภาพเป็นอย่างยิ่ง
โดยไม่ต้องใช้โมเดลโครงข่ายประสาทเทียมด้วยตัวเอง คุณสามารถใช้โปรแกรมที่มีอัตราการจดจำที่ดีเยี่ยมเพื่อฝึกฝนการใช้ข้อมูลของคุณเองได้ทันทีโดยเพียงแค่เขียนสคริปต์ง่ายๆ
สำหรับข้อมูลเพิ่มเติม โปรดดูเอกสาร 11 - Inception/README.md
ลองใช้ DQN ซึ่งเป็นการเรียนรู้แบบเสริมกำลังโดยใช้การเรียนรู้เชิงลึกที่พัฒนาโดย DeepMind ของ Google ซึ่งมีชื่อเสียงในด้าน AlphaGo
อาจดูซับซ้อนเล็กน้อย แต่ฉันได้แยกส่วนสำคัญออกให้มากที่สุด เพื่อให้คุณสามารถติดตามได้
สำหรับข้อมูลเพิ่มเติม โปรดดูเอกสาร 12 - DQN/README.md
สำหรับทฤษฎีพื้นฐานเพิ่มเติม โปรดดูหลักสูตรและพื้นที่เก็บข้อมูลต่อไปนี้
~/.matplotlib/matplotlibrc และเพิ่ม backend: TkAgg
