【tensorflow：实战Google深度学习框架】读后感

书本代码：https://gitee.com/fraternalkevin/TensorflowGoogle

自己是从一个只会C语言和Matlab的别的专业转过来的，第一次接触神经网络还是在课堂中，说是使用python这个最简单的编程语言来写的。因为自己当时很迷茫，我到底是学习C++还是JAVA呢，毕竟C++和JAVA已经活了很多年，仍然屹立不倒。之后发现python已经大伙了，才开始下定决心学习python，接着就是tensorflow。

我当初学习神经网络直接看的视频就是吴恩达教授的深度学习视频，边学习边做笔记，记录了一大堆公式，还好自己数学功底功底不是很差，然后我就跟着一步一步的推导，一步一步前进，一个视频看不懂我就多看几次。我是真的通过吴恩达教授的视频步步推导的，前期真的很难，往往总是会陷入维度中不解。后来看的多了，推导的多了，我也就发现我自己都已经记住了，后来因为工作需要，给另一个外校的同学讲了一下。我自己拿起以前的笔记重新整理了思路之后发现原来我已经掌握了。我当时很高兴。然后我开始自己编写关于全连接神经网络，我在百度上找代码，就算是softmax函数都是自己写的，梯度下降算法。这个过程让我开始接触python同时也加深了我对全连接神经网络中算法推导。之后我接触到了tensorflow，开始使用tensorflow的框架来编写神经网络。开启了我按照书中所讲亦步亦趋的过程。

根据书本中的tensorflow的讲解，我对张量，张量的shape感到头疼。你根本就知道原来（4，）表示的是一维张量，里面有四个数。我对此表示真的是很难受。但是因为每个都是这样，你也不得不接受。渐入佳境是在我真正开始自己写代码的时候，开始理解了整个过程，从此之后我在看代码，我都可以整体把握代码代码的思想，看VGG，GoogleNet等一目了然，而且一下子就可以写出来。我开始思考我的数据集应该怎么制作的过程，刚刚开始我用的是tfrecord，之后发现tfrecord的缺陷， 决定不这么麻烦了直接采用npz的形式，这样使得你的代码不这么麻烦，也更加整洁，再之后就是直接读取文件（tf.Dataset）。对于RNN来说，我倾向与使用keras但是keras的封闭性太强了，好多tensorflow中的东西都被隔离了，于是我又从keras转移到了tensorflow。对RNN的使用中我用的是自然语言处理（NLP），在NLP中，词间隔的地方需要使用Ubuntu，好多博客中没有指出，我在我的博客中已经指明。 可以按照我的步骤实现词间隔把每个词分开。

在学习tensorflow中，我又同时学习了李航的机器学习，我是真的一个公式一个公式推导的。李航的那本统计学习方法，真的是特别好，如果说西瓜书是一本让你了解其大概过程，给你一个一目了然的感觉，那个李航就是管中窥豹，一针见血。当然了最后可以跟着代码来学习机器学习，我的GitHub中已经Fork大神的代码。之后我跟着莫烦大神学习了深度强化学习，不能说自己全部理解，但是也差不多，看公式还是可以看得懂的。莫烦大神代码也已经开源。在GitHub中可以找得到。

有空可以看看我的代码，虽说不是尽善尽美吧，但是好多源代码是可以从我的这个地方找到的。我的GitHub地址https://github.com/ChaoflyLi，我的码云地址https://gitee.com/fraternalkevin/projects

我的代码有一部分是从GitHub中知道导入到Gitee了，通过Gitee下载速度比加快。