《TensorFlow從0到1》就要結(jié)束了。
3條主線
這個部分共包含18篇文章，4萬余字（簡書的嚴格統(tǒng)計不到4萬）。總的來說，它無外乎兩方面內(nèi)容：人工神經(jīng)網(wǎng)絡(luò)，及其TensorFlow實現(xiàn)。稍細分的話，有3條主線。
主線1：神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)：
主線2：TensorFlow入門：
- 1 Hello,TensorFlow!
- 2 TensorFlow核心編程
- 5 TensorFlow輕松搞定線性回歸
- 7 TensorFlow線性回歸的參數(shù)溢出之坑
- 11 74行Python實現(xiàn)手寫體數(shù)字識別
- 12 TensorFlow構(gòu)建3層NN玩轉(zhuǎn)MNIST
- 17 Step By Step上手TensorBoard
- 18 升級手記：TensorFlow 1.3.0
主線3：神經(jīng)網(wǎng)絡(luò)優(yōu)化：
- 13 AI馴獸師：神經(jīng)網(wǎng)絡(luò)調(diào)教綜述
- 14 交叉熵損失函數(shù)——防止學習緩慢
- 15 重新思考神經(jīng)網(wǎng)絡(luò)初始化
- 16 L2正則化對抗“過擬合”
希望這么分類后，能幫助讀者快速定位所需內(nèi)容。
神經(jīng)網(wǎng)絡(luò)——深度學習的基石
這個主題是關(guān)于TensorFlow的，可我很確定的是：沒有理論基礎(chǔ)的支持，而直接學習工具，幾乎寸步難行。所以，整個主題用到的幾乎全部是算法概念對照的底層API，而沒有高級API的身影。
我也沒有急于展開“火熱的”CNN、RNN，也是因為：凡有建造，先固基石。現(xiàn)代深度學習知識體系的基石，正是人工神經(jīng)網(wǎng)絡(luò)。我花了超過一半的篇幅來回填使用TensorFlow這一強大工具的前置條件，來實現(xiàn)事先的承諾：堅持通過啟發(fā)性的方式，循序漸進構(gòu)建系統(tǒng)化的理解，搭建一個“緩坡道”。而此時，你再回到TensorFlow游樂場，就會發(fā)現(xiàn)所有的設(shè)施都了無秘密。
盡管如此，限于篇幅，仍然有很多的重要知識點來不及一一記錄和表達，還需要學習者自行鉆研。
感謝
特別感謝我的恩師朱虹教授，以及朱虹圖像研究室的杜森和薛杉博士，在我決定要轉(zhuǎn)型AI領(lǐng)域時，你們傾囊相授，快速幫我建立了本領(lǐng)域最新的知識框架。
在輸出這個主題的過程中，我自己受益匪淺。盡管10年前就對神經(jīng)網(wǎng)絡(luò)有所了解，可是當真正付諸表達，才發(fā)現(xiàn)認識的膚淺。
感謝我的首批讀者們，你們的關(guān)注、點贊、建議和糾錯，都讓這個主題變得更好，也是對我個人的極大鼓勵。你們每一位的留言都會永久保留。
此外，不用擔心《從0到1》的結(jié)束，因為《從1到2》即將開始。
共享協(xié)議：署名-非商業(yè)性使用-禁止演繹（CC BY-NC-ND 3.0 CN）
轉(zhuǎn)載請注明：作者黑猿大叔（簡書）
