如何高效的学习 TensorFlow 代码? - 知乎<strong class="NumberBoard-itemValue" title="被浏览<strong class="NumberBoard-itemValue" title="9,667分享邀请回答http://cloc.sourceforge.net v 1.64
T=45.33 s (68.5 files/s, 14956.6 lines/s)
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
C/C++ Header
TypeScript
Bourne Shell
NAnt script
Protocol Buffers
Objective C++
Bourne Again Shell
Javascript
Objective C
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
对于想要学习TensorFlow（以下简称TF）的人，根据目的不同，可以简单分为以下2类：1. 研究学者，仅仅需要TF这个平台实现深度学习算法，无需了解太多底层原理2. 好学的行业内人员（比如我⊙﹏⊙），不仅需要了解算法模型，同时还要熟悉TF平台的原理。在算子、通信、模型优化等方面进行平台的二次开发的人。研究学者：
你们可以考虑使用Keras，python写的深度神经网络库，已经实现了绝大部分神经网络，如：RNN、GRU、LSTM，CNN，Pooling，Full-Connected，以及sigmoid、tanh、Relu、PRelu、SRelu等各种激活函数。并且采用TF/Theano作为后端计算引擎，自己本身拥有一套更高层的API，可以同时跑在TF/Theano平台上。
相对于TF来说，这个学习压力小了很多，我们公司负责算法的同事也是用Keras来写模型，然后我再用TF的API来实现分布式部署。附：开发人员：
对于我们这类人来说，首先需要弄清平台的很多名称、概念、定义，
曾说过TF有太多的Abstraction需要学习。诚然，这加大了我们的学习难度。但是，这也说明Google是想要把这个平台做大做强的，所以才会花时间去设计这一套框架和统一的结构。特别是读了部分源码后，更有这种感触。
那么，具体要怎么开始呢？
极客学院有翻译部分TF的官方文档，对于初步了解Tensor、DAG、Operator、Variable、Device、Optimizer等是帮助的。在看完这些概念后，有一个MNIST的例子程序作为TF的入门。这个样例用一个简单的Softmax实现了手写体数字识别的神经网络，只有一层参数。同时还介绍了Session、tf.placeholder、图的计算等重要概念。
在看完这个样例后，如果理解了DAG和Session，可以继续看用卷积神经网络实现的MNIST，准确率上升到了99%，相对于单层Softmax的92%左右，已经接近目前最高的准确率了。附：
TF v0.8发布了分布式模型，我也研究了将近1个月，才把Seq2seq机器翻译改造成了分布式，但是现在公司不让发布出来ORZ。好消息是，我改写了社区的MNIST分布式程序，并且已经合并到master分支了。所以，如果想要继续学习分布式的话，我建议可以看一下那份代码。比较遗憾的是，极客学院目前没有翻译分布式的教程，所以大家得移步TF官网（貌似被墙了）。
由于分布式的资料较少，我这里简单梳理下概念，大家在官网会看到他们的定义：
TF采用了PS/Worker的结构来定义集群，其中
PS(parameter server)：存储variable（模型参数），主要负责参数更新和发放；
Worker：存储operator，主要负责图计算和梯度计算（TF使用Optimizer实现了自动化的梯度计算）；
job：由于工作类型不同，用job_name来区分ps和worker
task：对于每个worker来说，具体做什么任务（算什么图）也有可能不同，用task_index区分
device：指具体的CPU/GPU，通常PS绑定到CPU上，Worker绑定到GPU上，各取所长。
syncReplicaOptimizer：同步优化器，其本质仍然是用普通优化器进行梯度计算，但是通过Queue机制和Coordinator多线程协同实现了所有worker的梯度汇总和平均，最终将梯度传回PS进行参数更新。
以上几个概念对于分布式的理解非常重要。当然，想要完全弄懂，还得不断的看文档和源码。源码我推荐几个python目录下非常值得看的基础类定义：
framework/Ops.py：定义了Tensor、Graph、Opreator类等
Ops/Variables.py：定义了Variable类附：最后，欢迎大家Follow我的Github账号:97958 条评论分享收藏感谢收起colah.github.io/， 这几个都是我在学习中遇到的非常nice的blog，有时间读读定会有所收获。8.经典论文及书籍：收集了一些DL的经典论文&书籍，有些杂乱，不过几乎都是经典，各取所需吧。百度云地址：（已删除，内容上有些陈旧了，并且百度云总是封杀链接）。各位有更好的欢迎推荐，我会整理上传。9.几篇原创TF相关文章（持续更新）：，，，其中，Python，DL，Tensorflow是重点，其他都是辅助， 自己感觉够用即可，无需深入。学习中遇到困难首先向搜索引擎询问。 更新：添加了三日入门TensorFlow资料，Awesome TensorFlow 更新：更新部分链接以及资源描述 更新：添加了一些推荐资源，序号重新排版，在首部重点推荐了几个教程，方便快速上手 更新：修正一些排版问题，删除百度云链接，增加CS 20SI课程 更新：更新失效的百度云地址 更新：修正笔误，同时加了前言 更新：修正一些笔误 更新：完成了近期更新计划，重新整理了所有内容，同时及时跟进了新的内容 更新：更新了在移动端使用TF的项目笔记，添加了近期更新计划 更新：更新预告 更新：更新了提及的软件版本号，添加了第九部分原创TF相关博文 更新：更新了提及的软件版本号 更新：重新排版，上传了资料 更新：重新排版84251 条评论分享收藏感谢收起如何准备机器学习工程师的面试 ？ - 知乎<strong class="NumberBoard-itemValue" title="1被浏览<strong class="NumberBoard-itemValue" title="2,190分享邀请回答1.1K52 条评论分享收藏感谢收起61219 条评论分享收藏感谢收起Powered by后一六码技巧【八、2、0、四、四、六、0、学习~ ~】【后二组选吧】_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0可签7级以上的吧50个
本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：193贴子：
后一六码技巧【八、2、0、四、四、六、0、学习~ ~】
他空间确实有很多技巧每天都在更新，人也经常在线，我请教他问题，他都及时回复了，人很好
贴吧热议榜
使用签名档&&
保存至快速回贴以下试题来自：
单项选择题二号可以从一号身上学习到什么？（）A.对风险的把控B.理性C.目标感D.原则性
为您推荐的考试题库
您可能感兴趣的试卷
你可能感兴趣的试题
A.二号的发展潜质值得别人的帮助
B.之前给过别人很多无私的帮助
C.主动寻求别人的帮助
D.主动埋下很多感情债
2.判断题 对3.判断题 对4
A.没有计划性
B.记性不好
C.总是在帮助别人而没有做自己的事
D.一直在看别人工作
5.判断题 对}