https://www.jiqizhixin.com/articles/2017-08-29-14

機器之心GitHub項目：從零開始用TensorFlow搭建卷積神經網絡

By?蔣思源2017年8月29日 14:50 機器之心基于 Ahmet Taspinar 的博文使用 TensorFlow 手動搭建卷積神經網絡，并提供所有代碼和注釋的 Jupyter Notebook 文檔。我們將不僅描述訓練情況，同時還將提供各種背景知識和分析。所有的代碼和運行結果都已上傳至 Github，機器之心希望通過我們的試驗提供精確的代碼和運行經驗，我們將持續試驗這一類高質量的教程和代碼。

機器之心項目地址：https://github.com/jiqizhixin/ML-Tutorial-Experiment

本文的重點是實現，并不會從理論和概念上詳細解釋深度神經網絡、卷積神經網絡、最優化方法等基本內容。但是機器之心發過許多詳細解釋的入門文章或教程，因此，我們希望讀者能先了解以下基本概念和理論。當然，本文注重實現，即使對深度學習的基本算法理解不那么深同樣還是能實現本文所述的內容。

卷積神經網絡：

• 機器視角：長文揭秘圖像處理和卷積神經網絡架構
• 深度 | 從入門到精通：卷積神經網絡初學者指南（附論文）
• 專欄 | 卷積神經網絡簡介
• 重磅論文 | 解析深度卷積神經網絡的14種設計模式（附下載）
• 深度 | 從入門到精通：卷積神經網絡初學者指南（附論文）
• 深度 | 卷積神經網絡架構詳解：它與神經網絡有何不同？

TensorFlow 入門：

• 入門級解讀：小白也能看懂的 TensorFlow 介紹
• 教程 | 維度、廣播操作與可視化：如何高效使用 TensorFlow
• 教程 | TensorFlow 從基礎到實戰：一步步教你創建交通標志分類神經網絡
• 谷歌開放 GNMT 教程：如何使用 TensorFlow 構建自己的神經機器翻譯系統

優化方法：

• 從淺層模型到深度模型：概覽機器學習優化算法
• 教程 | 聽說你了解深度學習最常用的學習算法：Adam 優化算法？
• 深度解讀最流行的優化算法：梯度下降
• 從梯度下降到擬牛頓法：詳解訓練神經網絡的五大學習算法

首先是安裝 TensorFlow，我們可以直接按照 TensorFlow 官方教程安裝。機器之心在 Jupyter Notebook 上運行和測試本文所有代碼，但是 TensorFlow 在 Windows 上只支持 Python 3.5x，而我們現在安裝的 Anaconda 支持的是 Python 3.6。所以如果需要在 Windows 上用 Jupyter Notebook 加載 TensorFlow，還需要另外一些操作。

TensorFlow 官方安裝教程：https://www.tensorflow.org/install/

現在假定我們已經安裝了最新的 Anaconda 4.4.0，如果希望在 Jupyter notebook 中導入 TensorFlow 需要以下步驟。

在 Anaconda Prompt（CMD 命令行中也行）中鍵入以下命令以創建名為 tensorflow 的 conda 環境：

conda create -n tensorflow python=3.5?

然后再運行以下命令行激活 conda 環境：

activate tensorflow

總結

以上是生活随笔為你收集整理的从零开始用TensorFlow搭建卷积神经网络的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。