TensorFlow实训报告总结
近日学习使用TensorFlow搭建神经网络建模终于取得了一些微小的成绩：
1、学会了搭建神经网络模型。
2、学会了使用compile来配置模型训练方法，如损失函数、优化器、准确性评价方法。
3、学会了一些经典的神经网络模型的实现方法。
4、学会了各优化器的作用和效果。
5、学会了搭建神经网络进行训练和学习的整体框架和步骤。
我回顾整个学习TF的过程，总结了这中间发生的几个关键转折点：
1、对了教材。
2、跟对了老师。
3、成功安装TF2，成功配置IDEA开发环境解释器，成功进入开发环境。
4、自己动手在IDEA中coding，熟练掌握建模的关键核心步骤。
5、开始问问题，去读官方API文档寻答案。
6、开始在脑海中将各分散凌乱的API组织成一张交互的知识网，对庞杂的官方API文档有了功能逻辑上的整体认识。
正如我坚信的那句话，学习路上的每一步都不会浪费。每个当下看似零散无用的知识都会在将来某个时刻某个地方发挥其不可或缺的作用。学习TensorFlow的这一路走来，躺了无数的坑，历尽了困惑和不解，比我去年9月份开始学习Spark的时候难多了。但是也正是因为这样的一个曲折的过程，才让我发现和总结了一些宝贵的学习经验。
接下来就开始细说下这段曲折的学习过程，已经在这个过程中的6个关键点都是如何发生的？
1、对教材
开始学习TensorFlow的时候，但是官方教程完全让人摸不着头脑。我跟着官方教程学了2周
多还未能有感觉，果断失去了耐心。这是错的第一本教材。之后觉得要想系统的了解TF，了解它的运行原理和计算机制还是要有一本系统的教材才行。所以我网上搜了下相关教材，检索到的高频推荐的教材就是《TensorFlow实战-Google深度学习框架》。大约花了一周多的时间看完，还在2月17号的时候发了一篇学习笔记博文：《TensorFlow实战-Google深度学习框架》笔记
但是这是我错的第二本教材。因为这本书是基TensorFlow1.X的，而现在已经21年了，TF都已经升级到了2.X。2.X比1.X有了很大的升级和改版，完全可以说是我想去学开飞机，结果跑去报了个汽车驾驶班。所以我在看这本教材的时候，非常非常的困惑，因为我几乎不可能用下载的TF2.X版本的代码做coding实验。试了几次不能debug后，我就完全放弃了看这本书里的代码，到后面就只看书中讲的案例实现过程和思路。
这样之后很长一段时间我停下来学TF了，因为入不了门，摸不着整体框架，不到感觉和兴奋点。但是转折点在3月中下旬来了。之前报名的天池算法大赛3月24是DDL。和我一起组队的小伙伴一个人承担了全部的工作，提交了代码进入了初赛。但是初赛只是拿到了入场券，要进入决赛还是需要进一步优化模型的。这时候同组的小伙伴让我来主导，他已经在初赛尽力了。
2、跟对老师
网上有很多深度学习、神经网络相关的视频教程，亦有很多名校的、名师的课程。比如比较火的台湾大学的某老师的课程，或者知名的吴恩达深度学习系列，MIT深度学习等等。虽然我机器学习是跟着吴恩达老师的视频课学的，当时真的是推崇备至，奉为圭臬，至今也是非常的喜欢，但是其深度学习的视频课程，我实在是没有跟下来。
3、成功安装TF2，成功配置IDEA开发环境解释器，成功进入开发环境
痛定思痛，必须要解决这个问题。我相信做难事必有所得，不能逃避。不能一直在Jupyter开发环境上将就着。跟着网上的视频教程，终于从6月16晚上11点到6月17凌晨2点前把开发环境问题解决了。这样我就成功的步入了使用Pycharm进行神经网络模型工程化开发的阶段。
4、自己动手在IDEA中coding，熟练掌握建模的关键核心步骤
读万卷书，不如自己动手写书。代码就算你看了千千万，如果不能自己coding出来，都不能算你学会了。
tensorflow入门教程5、开始问问题，去读官方API文档寻答案
如果还只是根据git或教材上的案例进行代码的记忆复现，那么现在这个阶段就是要深入细节、深入背后的原理。问问自己，这个API的功能是实现什么，源码是怎么写的，都定义了哪些方法，每个方法都有哪些参数，参数背后又对应了深度学习的哪个知识、哪个原理。
6、开始在脑海中将各分散凌乱的API组织成一张交互的知识网，对庞杂的官方API文档有了功能逻辑上的整体认识。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。