&p&看这里：&/p&&a href=&///?target=https%3A///developerworks/cn/java/j-lo-concurrent/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&非阻塞算法在并发容器中的实现&i class=&icon-external&&&/i&&/a&&p&目前最好的回答，没有之一。&/p&
看这里：目前最好的回答，没有之一。
&img src=&/v2-fc17b7f1_b.png& data-rawwidth=&258& data-rawheight=&215& class=&content_image& width=&258&&&p&Python 就像瑞士军刀，不但短小精悍，而且功能强大，许多疑难杂症的问题，使用Python都能快速解决。 相较于c/c++，python 的代码相对简洁非常多，代码生产效率远高于c/c++，因此能快速地从实验结果中进行迭代。举例来说，如果我要把一个csv档(my_csv_file.csv)，读入进代码内进行分析，使用python 只要两行代码就能完成。&/p&&img src=&/v2-e3f14d0b3e_b.png& data-rawwidth=&614& data-rawheight=&84& class=&origin_image zh-lightbox-thumb& width=&614& data-original=&/v2-e3f14d0b3e_r.png&&&br&&p&再举例来说：&/p&
&p&假设有个植物学家收集了三种鸢尾花的品种
setosa, versicolor, virginica 各若干朵，并测量了每朵鸢尾花的萼片长 (sepal
length)、萼片宽 (sepal width)、花瓣长(petal
length)、花瓣宽(petal width)。试问：假设我们看到了新的一朵鸢尾花，我们是否有办法利用 「萼片长、萼片宽 、花瓣长、花瓣宽」等资讯，来推测此朵鸢尾花是属于哪一个品种 (setosa, versicolor, virginica)? &/p&
&p&这个问题，是非常典型的机器学习的问题，利用植物学家收集的训练资料进行学习后，对没见过的花朵进行预测。&/p&
&p&在Python 里，只要写50行以内的代码，就能轻易地利用机器学习解决此问题。并把机器学习到的决策过程，进行图表视觉化的呈现。下面，简单的举几个例子，对于学习成果进行解释：（如下图所示）&/p&
如果 petal length &= 2.45 公分
—& 则品种是 &b&setosa&/b&&/p&
step2, step3, step4&/p&
step1 如果 petal length & 2.45
公分 —& step2&/p&
2. step2 如果 petal width &=
1.75 公分 —& step3&/p&
3. step3 如果 petal length &= 4.95 公分 —& step4&/p&
step4 如果 petal width &= 1.65 公分 —& 则品种是 &b&versicolor&/b&&/p&
step4如果 petal width
& 1.65 公分 —& 则品种是 &b&virginica&/b&&/p&&img src=&/v2-f2dc0d28e84ebd7a1d69_b.png& data-rawwidth=&628& data-rawheight=&502& class=&origin_image zh-lightbox-thumb& width=&628& data-original=&/v2-f2dc0d28e84ebd7a1d69_r.png&&&p&由上述例子，从「资料的汇入」、「资料整理」、「机器学习」、到「视觉化呈现」四个步骤，在短短不到50行的Python 的代码就能完成。 由此，可以说明使用 Python 来进行机器学习的实验验证，是非常有效率，且能快速进行迭代。
&p&Python 除了对传统的机器学习算法有完整的支持外，现在最新、最火的深度学习算法，也能在 Python 里找到相对应的资源。 深度学习框架的鼻祖 theano 在
就已经进行了 v0.1版的 release，是由 Deep Leaning 大牛 Yoshua Bengio 带领 Montreal University 的成员进行开发。 其后，近年来随着深度学习越来越受重视，Google 在
推出了 tensorflow 的深度学习框架，其开发团队有一大部分是来自于 theano 的开发团队。
&p&综合以上，Python &b&(1) 在资料处理上，有完整的支持套件 (2) 代码简洁、快速撰写 (3) 视觉化呈现工具完整 (4) 传统机器学习算法，有完善的支持 (5)
&/b&&b&最新的深度学习算法，有完善的支持，且总是走在最新的发展潮流上&/b&。&/p&
&br&&p&&b&结论：&/b&&/p&
Python 就像瑞士军刀，不但短小精悍，而且功能强大&/b&&/p&
Python 提升代码生产效率，因此能快速从实验结果中进行迭代&/b&&/p&
Python 很擅长与不同语言进行整合，特別是 c/c++&/b&&/p&
Python 有很强大的图表视觉化工具&/b&&/p&
Python 支持许多机器学习算法，如：决策树、SVM (支持向量机)&/b&&/p&
Python 支持许多深度学习框架，如：&/b&&b&theano, tensorflow,
caffe&/b&&/p&&br&&p&&i&本回答来自Emotibot数据科学家林志豪&/i&&/p&
Python 就像瑞士军刀，不但短小精悍，而且功能强大，许多疑难杂症的问题，使用Python都能快速解决。 相较于c/c++，python 的代码相对简洁非常多，代码生产效率远高于c/c++，因此能快速地从实验结果中进行迭代。举例来说，如果我要把一个csv档(my_csv_file.c…
&img src=&/v2-ec7fb73051bfabccaa4f_b.jpg& data-rawwidth=&335& data-rawheight=&267& class=&content_image& width=&335&&&p&&b&直接分享，废话不说。&/b&&/p&&p&28 张速查表合集下载链接：&a href=&/?target=https%3A///s/1cCdC8Q& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&/s/1cCdC8Q&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&/p&&p&（机器学习速查表 | Python 速查表 | R 速查表 | 概率论、SQL & MySQL、大数据速查表）&/p&&p&1、机器学习速查表&/p&&p&&img src=&/v2-7efc057fbea3428cfcbadd10_b.png& data-rawwidth=&576& data-rawheight=&180& class=&origin_image zh-lightbox-thumb& width=&576& data-original=&/v2-7efc057fbea3428cfcbadd10_r.png&&2、概率论、SQL & MySQL、大数据速查表&/p&&p&&img src=&/v2-a_b.png& data-rawwidth=&322& data-rawheight=&200& class=&content_image& width=&322&&3、R 速查表&/p&&p&&img src=&/v2-a4ceace0f99d2dbb77484d_b.png& data-rawwidth=&322& data-rawheight=&252& class=&content_image& width=&322&&4、Python 速查表&/p&&p&&img src=&/v2-eb575a5cf2e8ce2de70f39_b.png& data-rawwidth=&287& data-rawheight=&253& class=&content_image& width=&287&&感谢 张佳维童鞋的整理，大家也可以关注《&a class=& wrap external& href=&/?target=https%3A///people/ml_daily& target=&_blank& rel=&nofollow noreferrer&&每日一篇机器学习&i class=&icon-external&&&/i&&/a&》博客专栏。&/p&&br&&br&&br&是不是很喜欢这么直接的我。。记得关注我，谢谢。&p&&b&大家也可以加小编微信：tswenqu(备注：知乎)，进R语言中文社区 交流群，可以跟各位老师互相交流&/b&&br&&/p&&p&&b&记得关注官网公众号：R语言中文社区（微信ID:R_shequ）&/b&&/p&
直接分享，废话不说。28 张速查表合集下载链接：（机器学习速查表 | Python 速查表 | R 速查表 | 概率论、SQL & MySQL、大数据速查表）1、机器学习速查表2、概率论、SQL & MySQL、大数据速查表3、R 速查表4、Python 速查表…
&img src=&/v2-aab2c2bcb986d_b.jpg& data-rawwidth=&1308& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1308& data-original=&/v2-aab2c2bcb986d_r.jpg&&&p&阿里巴巴提倡社区型的“共享+共建”理念，特别鼓励集团技术工程师之间的交流和合作，以此促进技术发展和创新。阿里巴巴技术协会（Alibaba Technology Association，简称ATA）这个阿里巴巴内部技术交流第一平台，便由此理念应运而生。 &br&&/p&&p&在云栖社区的优质技术文章中，有很多是来自阿里巴巴技术协会（Alibaba Technology Association，简称ATA）的贡献，云栖社区将定期摘选优质的阿里技术协会出品的技术文章并整理成合集，方便各位技术人查阅参考，2017年2月份的部分文章如下。&br&&/p&&p&饭要一口一口吃，干货较多慢慢品尝，建议关注：&a href=&/yunqichengxuyuan& class=&internal&&我是程序员 - 知乎专栏&/a& 以便随时查看。&/p&&h2&移动开发&/h2&&ul&&li&&a href=&/?target=https%3A///articles/71195%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Android Studio 你不知道的调试技巧&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/62334%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Android秒级编译工具Freeline新特性支持！&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70447%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&一个安卓编译器「Bug」引发的血案&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71690%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Preact——无线端活动页的轻量级开发方案&i class=&icon-external&&&/i&&/a&&br&&/li&&/ul&&h2&Java编程&/h2&&ul&&li&&a href=&/?target=https%3A///articles/69520%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&我的java问题排查工具单&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69158%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&一起爪哇Java 8——好用的Stream&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71303%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&浅析spring事务传播级别&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70364%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&编码实现Spring Cloud微服务负载均衡调用（eureka、ribbon）&i class=&icon-external&&&/i&&/a&&br&&/li&&/ul&&h2&PHP编程&/h2&&ul&&li&&a href=&/?target=https%3A///articles/69189%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&踩一坑，采一金之php数据类型那点“破”事&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71691%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&以swoole为例，学习如何实现协程&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69524%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PHP7扩展开发之hello word&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69522%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PHP7扩展开发之类型处理&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69519%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PHP7扩展开发之创建变量&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69521%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PHP7扩展开发之数组处理&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69523%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PHP7扩展开发之传参与返回值&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69282%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PHP7扩展开发之字符串处理&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69280%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PHP7扩展开发之常量定义&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69281%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PHP7扩展开发之创建对象&i class=&icon-external&&&/i&&/a&&br&&/li&&/ul&&h2&Go编程&/h2&&ul&&li&&a href=&/?target=https%3A///articles/69303%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&浅析GO语言中如何优雅地中断定时任务&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69302%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&安利一个好用的Golang单元测试框架：gocheck&i class=&icon-external&&&/i&&/a&&br&&/li&&/ul&&h2&Python编程&/h2&&ul&&li&&a href=&/?target=https%3A///articles/70448%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&0、Python与设计模式--前言&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70418%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&1、Python与设计模式--单例模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70417%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&2、Python与设计模式--工厂类相关模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70416%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&3、Python与设计模式--建造者模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70451%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&4、Python与设计模式--原型模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70738%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&5、Python与设计模式--代理模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70737%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&6、Python与设计模式--装饰器模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70536%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&7、Python与设计模式--适配器模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70532%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&8、Python与设计模式--门面模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70535%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&9、Python与设计模式--组合模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70529%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&10、Python与设计模式--享元模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71072%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&11、Python与设计模式--桥梁模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71071%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&12、Python与设计模式--策略模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71074%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&13、Python与设计模式--责任链模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71070%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&14、Python与设计模式--命令模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71073%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&15、Python与设计模式--中介者模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71069%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&16、Python与设计模式--模板模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71068%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&17、Python与设计模式--迭代器模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71075%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&18、Python与设计模式--访问者模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71066%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&19、Python与设计模式--观察者模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71065%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&20、Python与设计模式--解释器模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71199%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&21、Python与设计模式--备忘录模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71198%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&22、Python与设计模式--状态模式&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71197%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&23、Python与设计模式--设计原则&i class=&icon-external&&&/i&&/a&&br&&/li&&/ul&&h2&数据库&/h2&&ul&&li&&a href=&/?target=https%3A///articles/68288%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL Server 表变量和临时表系列之概念篇&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69187%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL Server 临时表和表变量系列之选择篇&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/68898%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL Server 临时表和变量系列之对比篇&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69098%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL Server 临时表和表变量系列之认知误区篇&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69217%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL Server 临时表和表变量系列之踢馆篇&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69550%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&迁移数据库到SQL on Linux Docker&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/66988%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&金融风控、刑侦、社会关系、人脉分析等场景思考 - PostgreSQL如何实现图式应用场景&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70467%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&大数据时代的结构化存储—HBase在阿里的应用实践&i class=&icon-external&&&/i&&/a&&br&&/li&&/ul&&h2&VR开发&/h2&&ul&&li&&a href=&/?target=https%3A///articles/69214%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&VR开发中的优化&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69404%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&梦想照进现实 - AR/VR 篇&i class=&icon-external&&&/i&&/a&&br&&/li&&/ul&&h2&其他编程相关&/h2&&ul&&li&&a href=&/?target=https%3A///articles/69365%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&git使用指南&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71682%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&场景化学习 git&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69253%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&WebSocket 开发指南&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71689%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&分享一个 markdown 编辑器 - Mditor&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69516%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&immutable.js 在React、Redux中的实践以及常用API简介&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71884%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&RSA/SHA1加密和数字签名算法在开放平台中的应用&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71125%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&神马开源监控系统RA&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/71057%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Apache Beam研究报告&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/70542%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&我是这样调试kernel的race condition的, 超有用&i class=&icon-external&&&/i&&/a&&br&&/li&&li&&a href=&/?target=https%3A///articles/69190%3Fspm%3D.blogcontOr4L& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&开发unity插件——一次搞定unity编辑器常用功能&i class=&icon-external&&&/i&&/a&&/li&&/ul&
阿里巴巴提倡社区型的“共享+共建”理念，特别鼓励集团技术工程师之间的交流和合作，以此促进技术发展和创新。阿里巴巴技术协会（Alibaba Technology Association，简称ATA）这个阿里巴巴内部技术交流第一平台，便由此理念应运而生。 在云栖社区的优质技术…
&h2&6月26日更新，增加TensoFlow实践视频教程：&/h2&&p&&b&《如何使用TensorFlow技术基于阿里云AI实现图像识别技术？视频＋PPT干货奉上》&/b&&/p&&p&在5月22日和6月13日，阿里云机器学习分别在斗鱼直播上分享了如何使用TensorFlow技术实现图像识别的技术直播。小编特意将视频地址以及将以PPT在这里编辑分享出来，本次技术讲解分为上下两部分：基础篇和高级篇，在机器学习图像识别初入、进阶的同学均适合观看学习，其中视频中的PPT讲义已经为各位同学保存发布到正文中，可以作为提前预览：&/p&&h2&&b&一、阿里云AI之图像识别实践-基础篇：&/b&&/h2&&p&讲师简介：赵昆，阿里巴巴机器学习技术专家&/p&&p&&b&视频观看地址：&/b&&/p&&a href=&///?target=http%3A//cloud./play/u//p/1/e/6/t/1/.mp4& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&cloud./&/span&&span class=&invisible&&play/u//p/1/e/6/t/1/.mp4&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&p&&b&视频讲义资料：（图片PPT），请点击到知乎原文查看：&/b&&a href=&/p/& class=&internal&&如何使用TensorFlow技术基于阿里云AI实现图像识别技术？视频＋PPT干货奉上 - 知乎专栏&/a&&/p&&h2&&b&二、阿里云AI之图像识别实践-高级篇：&/b&&/h2&&p&&b&视频观看地址：&/b&&/p&&p&讲师简介：赵昆，阿里巴巴机器学习技术专家
&/p&&a href=&///?target=http%3A//vodcdn./oss/taobao-ugc/d60ef7358882/video.mp4& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&vodcdn.&/span&&span class=&invisible&&/oss/taobao-ugc/d60ef7358882/video.mp4&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&p&&b&视频讲义资料：（图片PPT），请点击到知乎原文查看：&/b&&a href=&/p/& class=&internal&&如何使用TensorFlow技术基于阿里云AI实现图像识别技术？视频＋PPT干货奉上 - 知乎专栏&/a&&/p&&br&&br&&h2&&b&------------------------------华丽的分割线-----------------------------------&/b&&/h2&&p&&b&如何开始学习使用TensorFlow？&/b& &a href=&///?target=https%3A///profile/Harrison-Kinsley-1& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Harrison Kinsley&i class=&icon-external&&&/i&&/a& ——&a href=&///?target=http%3A//pythonprogramming.xn--net-1n9dm8mnpot42c/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&http://PythonProgramming.net的创始人&i class=&icon-external&&&/i&&/a&&/p&&blockquote&&a href=&///?target=https%3A//www.tensorflow.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow官方网站&i class=&icon-external&&&/i&&/a&有相当多的文档和&a href=&///?target=https%3A//www.tensorflow.org/versions/r0.10/tutorials/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&教程&i class=&icon-external&&&/i&&/a&，但这些往往认为读者掌握了一些机器学习和人工智能知识。除了知道ML和AI，你也应该对Python编程语言非常熟练。因此，在开始学习如何使用TensorFlow前，首先学习更多的&a href=&///?target=https%3A//www.python.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python&i class=&icon-external&&&/i&&/a&语言，而不是与机器学习直接相关的任何东西。 1、假设熟练Python，但不会机器学习，那么可以查看这个&a href=&///?target=https%3A//pythonprogramming.net/machine-learning-tutorial-python-introduction/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习实践w / Python教程&i class=&icon-external&&&/i&&/a&，其中涵盖了与机器学习相关的概念、算法、理论、应用程序等； 2、如果已经掌握了Python和机器学习的基础知识，但还不知道Deep Learning / TensorFlow，那么可以从&a href=&///?target=https%3A//pythonprogramming.net/neural-networks-machine-learning-tutorial/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&神经网络介绍部分&i class=&icon-external&&&/i&&/a&开始 。 3、如果已经知道神经网络/深度学习，那么可以从&a href=&///?target=https%3A//pythonprogramming.net/tensorflow-introduction-machine-learning-tutorial/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&安装TensorFlow教程&i class=&icon-external&&&/i&&/a&开始，或者可以从TensorFlow基础教程开始，这将直接导致实际&a href=&///?target=https%3A//pythonprogramming.net/tensorflow-deep-neural-network-machine-learning-tutorial/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&建模一个深层神经网络&i class=&icon-external&&&/i&&/a&。&/blockquote&&p&&a href=&///?target=https%3A///profile/Parag-K-Mital& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Parag K Mital&i class=&icon-external&&&/i&&/a& ——Kadenze Inc.机器智能总监&/p&&blockquote&刚刚推出了一个关于Tensorflow的新课程：&a href=&///?target=https%3A///courses/creative-applications-of-deep-learning-with-tensorflow/info& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&使用TensorFlow |创建深度学习应用程序&i class=&icon-external&&&/i&&/a& Kadenze与其他课程不同，这是一个以应用为导向的课程，通过鼓励探索创造性思维和深层神经网络的创造性应用，教你Tensorflow的基础知识以及最先进的算法，强烈鼓励尝试这门课程。这是唯一全面的在线课程，将教会你如何使用Tensorflow和开发您的创造潜力，了解如何应用这些技术创建神经网络。&/blockquote&&p&&b&课程资料：&/b&&/p&&blockquote&本课程将介绍深度学习：构建人工智能算法的最先进的方法。涵盖深度学习的基本结构、意义，原理并开发必要的代码搭建各种算法，如深卷积网络，变分自动编码器，生成对抗网络和循环神经网络。本课程的主要重点是了解如何构建这些算法的必要结构以及如何应用它们来探索创意应用程序。&/blockquote&&p&&b&计划表学期1：Tensorflow简介&/b&&/p&&blockquote&介绍数据与机器和深度学习算法的重要性，创建数据集的基础知识，如何预处理数据集，然后跳转到Tensorflow。此外将学习Tensorflow的基本结构，并了解如何使用它来过滤图像。&/blockquote&&p&&b&学期2：训练一个网络W / Tensorflow&/b&&/p&&blockquote&将看到神经网络如何工作，网络是如何“训练”。然后将构建自己的第一个神经网络，并将其用于训练神经网络如何绘制图像的应用程序。&/blockquote&&p&&b&学期3：无监督和监督学习&/b&&/p&&blockquote&探索能够编码大型数据集的深层神经网络，并了解如何使用此编码来探索数据集的“潜在”维度或生成全新内容。还将学习另一种类型的执行辨别学习的模型，并了解如何使用它来预测图像的标签。&/blockquote&&p&&b&学期4：可视化和幻化表示&/b&&/p&&blockquote&指导执行一些真正有趣的可视化，包括可以产生无限生成分形的“深度梦想”或者“风格网络”，它允许我们将一个图像的内容和另一个图像的风格结合起来自动生成艺术美学。&/blockquote&&p&&b&学期5：生成模型&/b&&/p&&blockquote&最后提供了一些未来生成建模方向的预测，包括一些现有技术模型，例如“生成式对抗网络”，以及其在“变分自动编码器”内的实现等内容。&/blockquote&&p&&a href=&///?target=https%3A///profile/Antonio-Cangiano& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Antonio Cangiano&i class=&icon-external&&&/i&&/a& ——IBM软件开发和技术推广&/p&&blockquote&&a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&大数据大学&i class=&icon-external&&&/i&&/a&刚刚推出了一个免费的&a href=&///?target=https%3A///courses/deep-learning-tensorflow/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深层学习与TensorFlow课程&i class=&icon-external&&&/i&&/a&。显然还有其他有效的资源可用，但建议你看一下本课程。同样查看目录中的其他数据科学和机器学习课程。课程是完全免费的，并且许多都有完成证书和IBM支持的开放徽章。&/blockquote&&p&&b&&a href=&/question//answer/& class=&internal&&Ian Dewancker &/a& ——SigOpt研究工程师&/b&&/p&&blockquote&最好的学习方式可能是通过学习和实验一个工作过的例子。在SigOpt有一个工作是通过TensorFlow示例调整一个卷积神经网络，该工程在github页面链接：&a href=&///?target=https%3A///sigopt/sigopt-examples/tree/master/tensorflow-cnn& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&sigopt / sigopt-examples&i class=&icon-external&&&/i&&/a& 下面简短的视频教程讲授如何创建一个能够运行TensorFlow代码的AWS环境。该视频还概述了并行探索CNN配置的简单策略。 &a href=&///?target=https%3A//youtu.be/CGI_RKVnDpE& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&youtu.be/CGI_RKVnDpE&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&/blockquote&&p&&a href=&///?target=https%3A///profile/Ish-Girwan& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Ish Girwan&i class=&icon-external&&&/i&&/a& ——在印度管理学院学习&/p&&blockquote&作为初学者，可以使用以下资源： &a href=&///?target=http%3A///index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&学习TensorFlow&i class=&icon-external&&&/i&&/a& &a href=&///?target=https%3A///aymericdamien/TensorFlow-Examples& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&aymericdamien / TensorFlow-Examples&i class=&icon-external&&&/i&&/a& &a href=&///?target=https%3A///nlintz/TensorFlow-Tutorials& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&nlintz / TensorFlow-Tutorials&i class=&icon-external&&&/i&&/a& &a href=&///?target=http%3A//www.slideshare.net/tw_dsconf/tensorflow-tutorial& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Google TensorFlow教程&i class=&icon-external&&&/i&&/a& &a href=&///?target=https%3A//www.tensorflow.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器智能的开源软件库&i class=&icon-external&&&/i&&/a&&/blockquote&&p&&a href=&///?target=https%3A///profile/Kuntal-Mukherjee-1& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Kuntal Mukherjee&i class=&icon-external&&&/i&&/a& ——在Wipro Technologies工作&/p&&blockquote&如果你是初学者，建议按照以下步骤学习： 1 首先快速学习Python。 2 学习AI和机器学习课程，可以尝试MIT OCW。 3 从&a href=&///?target=https%3A//www.tensorflow.org/versions/0.6.0/tutorials/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow网站教程开始&i class=&icon-external&&&/i&&/a&。如果你已经在这个领域经历过，那么可以去步骤（3）开始学习更高级教程。&/blockquote&&p&&a href=&///?target=https%3A///profile/Rodolfo-Bonnin& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Rodolfo Bonnin&i class=&icon-external&&&/i&&/a& ——建筑机器学习项目与Tensorflor 作家&/p&&blockquote&最简单的方法之一是查看和修改一些代码示例与额外的注释; &a href=&///?target=https%3A///tobigithub/tensorflow-deep-learning/wiki& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&/tobigithub/t&/span&&span class=&invisible&&ensorflow-deep-learning/wiki&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&/blockquote&&p&&a href=&///?target=https%3A///profile/Ankit-Sachan& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Ankit Sachan&i class=&icon-external&&&/i&&/a& ——&a href=&///?target=http%3A//ilenze.xn--com-1n9dm8mnpot42c/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&的创始人&i class=&icon-external&&&/i&&/a& &/p&&blockquote&在开始的时候遇到了一些与困难。所以创造了一系列的教程。教程在&a href=&///?target=https%3A///groups/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Linkedin计算机视觉组&i class=&icon-external&&&/i&&/a&上变得非常流行。 10分钟实用TensorFlow快速学习教程>>&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&&i class=&icon-external&&&/i&&/a&&/blockquote&&p&&a href=&///?target=https%3A///profile/Angel-Mario-Castro-Martinez-1& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Angel Mario Castro Martinez&i class=&icon-external&&&/i&&/a& ——在马克斯普朗克学会工作&/p&&blockquote&对我来说，最好的起点是主页本身： http：&a href=&///?target=https%3A//www.tensorflow.org/versio& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&//www.tensorflow.org/versio&i class=&icon-external&&&/i&&/a& ... 安装并习惯了如何处理数据和训练模型的方式，你可以尝试MNIST教程或其他几个教程： https：&a href=&///?target=https%3A///kronos-cm/Ten& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&///kronos-cm/Ten&i class=&icon-external&&&/i&&/a&... https：&a href=&///?target=https%3A///jasonbaldridg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&///jasonbaldridg&i class=&icon-external&&&/i&&/a&... 如果正在寻找一个压缩版本的上述主题，可以尝试： https：&a href=&///?target=https%3A///%40ilblackdrago& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&///@ilblackdrago&i class=&icon-external&&&/i&&/a&...&/blockquote&&p&&a href=&///?target=https%3A///profile/Suraj-Vantigodi-1& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Suraj Vantigodi&i class=&icon-external&&&/i&&/a& ——在印度班加罗尔理工学院工作&/p&&blockquote&一个有用的链接&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&学习TensorFlow&i class=&icon-external&&&/i&&/a&，一旦完成后可以去Udacity课程&a href=&///?target=https%3A///course/deep-learning--ud730& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深度学习| Udacity&i class=&icon-external&&&/i&&/a&。&/blockquote&&p&&a href=&///?target=https%3A///profile/Kim-Brian& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Kim Brian&i class=&icon-external&&&/i&&/a& ——5年计算机编程经验&/p&&blockquote&除了使用TensorFlow，有很多其它可能的解决方案。如果你是一个热心编码的人，建议不要使用TensorFlow，直到你知道如何编码基本的AI。 正如Kuntal Mukherjee先生所说，建议从基础知识中学习。&/blockquote&&p&&a href=&///?target=https%3A///profile/Chirila-Sorina& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Chirila Sorina&i class=&icon-external&&&/i&&/a& ——在Iasi计算机科学学院学习&/p&&blockquote&请查看以下两个答案： &a href=&///?target=https%3A///TensorFlow-open-source-s-w-library-How-tensor-flow-can-be-used-and-what-are-best-ways-to-understand-it-better& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow（开源s / w库）：如何使用张量流，什么是更好地了解它的最佳方式？&i class=&icon-external&&&/i&&/a& &a href=&///?target=https%3A///What-are-the-practical-steps-for-using-TensorFlow-with-natural-language& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&使用TensorFlow处理自然语言的具体步骤有哪些？&i class=&icon-external&&&/i&&/a&&/blockquote&&p&&a href=&///?target=https%3A///profile/Ashwin-D-Kini& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Ashwin D Kini&i class=&icon-external&&&/i&&/a& ——喜欢阅读的Web开发人员&/p&&blockquote&猜猜你没有访问过这个网站： http：&a href=&///?target=https%3A//www.tensorflow.org/tutori& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&//www.tensorflow.org/tutori&i class=&icon-external&&&/i&&/a&... 对于初学者： http：&a href=&///?target=https%3A//www.tensorflow.org/tutori& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&//www.tensorflow.org/tutori&i class=&icon-external&&&/i&&/a&...&/blockquote&&p&&a href=&///?target=https%3A///profile/Tuan-Vu-24& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Tuan Vu&i class=&icon-external&&&/i&&/a& ——数据据科学家&/p&&blockquote&如果你想了解张量流的基本结构，这个网站可能有帮助：&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&学习TensorFlow&i class=&icon-external&&&/i&&/a& &a href=&///?target=https%3A///profile/Kishore-Karunakaran& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Kishore Karunakaran&i class=&icon-external&&&/i&&/a& ——Vanenburg Software高级软件工程师 Tensorflow的教程:&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&学习TensorFlow&i class=&icon-external&&&/i&&/a&&/blockquote&&p&&a href=&///?target=https%3A///profile/Lifu-Yi& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Lifu Yi&i class=&icon-external&&&/i&&/a& ——Mindx.ai的首席执行官&/p&&blockquote&等待下一个更好的版本再学习它，当前版本的结构导致其糟糕的绩效考核。
原文链接：&a href=&///?target=http%3A///m/12436/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&实践指南！16位资深行业者教你如何学习使用TensorFlow-博客-云栖社区-阿里云&i class=&icon-external&&&/i&&/a&&/blockquote&
6月26日更新，增加TensoFlow实践视频教程：《如何使用TensorFlow技术基于阿里云AI实现图像识别技术？视频＋PPT干货奉上》在5月22日和6月13日，阿里云机器学习分别在斗鱼直播上分享了如何使用TensorFlow技术实现图像识别的技术直播。小编特意将视频地址以及…
&p&深度学习大讲堂致力于推送人工智能，深度学习方面的最新技术，产品以及活动。请关注我们的知乎专栏！&br&&/p&&br&&br&&p&&b&摘要&/b&&/p&&p&日，Google发布深度学习框架TensorFlow并宣布开源，并迅速得到广泛关注，在图形分类、音频处理、推荐系统和自然语言处理等场景下都被大面积推广。TensorFlow系统更新快速，官方文档教程齐全，上手快速且简单易用，支持Python和C++接口。本文依据对Tensorflow（简称TF）白皮书[1]、TF Github[2]和TF官方教程[3]的理解，从系统和代码实现角度讲解TF的内部实现原理。以Tensorflow r0.8.0为基础，本文由浅入深的阐述Tensor和Flow的概念。先介绍了TensorFlow的核心概念和基本概述，然后剖析了OpKernels模块、Graph模块、Session模块。&br&&/p&&p&&b&1. TF系统架构&/b&&/p&&p&&b&1.1 TF依赖视图&/b&&br&&/p&&p&TF的依赖视图如图 2 1所示[4]，描述了TF的上下游关系链。&br&&/p&&img src=&/v2-a581e8d2a1cf438e95bad7_b.png& data-rawwidth=&629& data-rawheight=&462& class=&origin_image zh-lightbox-thumb& width=&629& data-original=&/v2-a581e8d2a1cf438e95bad7_r.png&&&p&TF托管在github平台，有google groups和contributors共同维护。&/p&&p&TF提供了丰富的深度学习相关的API，支持Python和C/C++接口。&br&&/p&&p&TF提供了可视化分析工具Tensorboard，方便分析和调整模型。&br&&/p&&p&TF支持Linux平台，Windows平台，Mac平台，甚至手机移动设备等各种平台。&/p&&p&&b&1.2 TF系统架构&/b&&br&&/p&&p&图 1 2是TF的系统架构，从底向上分为设备管理和通信层、数据操作层、图计算层、API接口层、应用层。其中设备管理和通信层、数据操作层、图计算层是TF的核心层。&br&&/p&&img src=&/v2-90f292fd30aef17cb04e82_b.png& data-rawwidth=&426& data-rawheight=&436& class=&origin_image zh-lightbox-thumb& width=&426& data-original=&/v2-90f292fd30aef17cb04e82_r.png&&&p&底层设备通信层负责网络通信和设备管理。设备管理可以实现TF设备异构的特性，支持CPU、GPU、Mobile等不同设备。网络通信依赖gRPC通信协议实现不同设备间的数据传输和更新。&/p&&p&第二层是Tensor的OpKernels实现。这些OpKernels以Tensor为处理对象，依赖网络通信和设备内存分配，实现了各种Tensor操作或计算。Opkernels不仅包含MatMul等计算操作，还包含Queue等非计算操作，这些将在第5章Kernels模块详细介绍。&br&&/p&&p&第三层是图计算层（Graph），包含本地计算流图和分布式计算流图的实现。Graph模块包含Graph的创建、编译、优化和执行等部分，Graph中每个节点都是OpKernels类型表示。关于图计算将在第6章Graph模块详细介绍。&br&&/p&&p&第四层是API接口层。Tensor C API是对TF功能模块的接口封装，便于其他语言平台调用。&br&&/p&&p&第四层以上是应用层。不同编程语言在应用层通过API接口层调用TF核心功能实现相关实验和应用。&br&&/p&&p&&b&1.3TF代码目录组织&/b&&br&&/p&&p&图 1 3是TF的代码结构视图，下面将简单介绍TF的目录组织结构。&/p&&img src=&/v2-fa8f49ec0a203aa68f58e7bc_b.png& data-rawwidth=&403& data-rawheight=&584& class=&content_image& width=&403&&&p&Tensorflow/core目录包含了TF核心模块代码。&/p&&p&public: API接口头文件目录，用于外部接口调用的API定义，主要是session.h 和tensor_c_api.h。&br&&/p&&p&client: API接口实现文件目录。&/p&&p&platform: OS系统相关接口文件，如file system, env等。&/p&&p&protobuf: 均为.proto文件，用于数据传输时的结构序列化.&/p&&p&common_runtime: 公共运行库，包含session, executor, threadpool, rendezvous, memory管理, 设备分配算法等。&/p&&p&distributed_runtime: 分布式执行模块，如rpc session, rpc master, rpc worker, graph manager。&/p&&p&framework: 包含基础功能模块，如log, memory, tensor&/p&&p&graph: 计算流图相关操作，如construct, partition, optimize, execute等&/p&&p&kernels: 核心Op，如matmul, conv2d, argmax, batch_norm等&/p&&p&lib: 公共基础库，如gif、gtl(google模板库)、hash、histogram等。&/p&&p&ops: 基本ops运算，ops梯度运算，io相关的ops，控制流和数据流操作&/p&&p&Tensorflow/stream_executor目录是并行计算框架，由google stream executor团队开发。&/p&&p&Tensorflow/contrib目录是contributor开发目录。&/p&&p&Tensroflow/python目录是python API客户端脚本。&/p&&p&Tensorflow/tensorboard目录是可视化分析工具，不仅可以模型可视化，还可以监控模型参数变化。&/p&&p&third_party目录是TF第三方依赖库。&/p&&p&eigen3: eigen矩阵运算库，TF基础ops调用&/p&&p&gpus: 封装了cuda/cudnn编程库&/p&&p&&b&2. TF核心概念&/b&&br&&/p&&p&TF的核心是围绕Graph展开的，简而言之，就是Tensor沿着Graph传递闭包完成Flow的过程。所以在介绍Graph之前需要讲述一下符号编程、计算流图、梯度计算、控制流的概念。&/p&&p&&b&2.1 Tensor&/b&&/p&&p&在数学上，Matrix表示二维线性映射，Tensor表示多维线性映射，Tensor是对Matrix的泛化，可以表示1-dim、2-dim、N-dim的高维空间。图 2 1对比了矩阵乘法（Matrix Product）和张量积（Tensor Contract），可以看出Tensor的泛化能力，其中张量积运算在TF的MatMul和Conv2D运算中都有用到，&/p&&img src=&/v2-69e6c914bcd3_b.png& data-rawwidth=&580& data-rawheight=&331& class=&origin_image zh-lightbox-thumb& width=&580& data-original=&/v2-69e6c914bcd3_r.png&&&p&Tensor在高维空间数学运算比Matrix计算复杂，计算量也非常大，加速张量并行运算是TF优先考虑的问题，如add, contract, slice, reshape, reduce, shuffle等运算。&/p&&p&TF中Tensor的维数描述为阶，数值是0阶，向量是1阶，矩阵是2阶，以此类推，可以表示n阶高维数据。&/p&&p&TF中Tensor支持的数据类型有很多，如tf.float16, tf.float32, tf.float64, tf.uint8, tf.int8, tf.int16, tf.int32, tf.int64, tf.string, tf.bool, tf.complex64等，所有Tensor运算都使用泛化的数据类型表示。&/p&&p&TF的Tensor定义和运算主要是调用Eigen矩阵计算库完成的。TF中Tensor的UML定义如图 2 2。其中TensorBuffer指针指向Eigen::Tensor类型。其中，Eigen::Tensor[5][6]不属于Eigen官方维护的程序，由贡献者提供文档和维护，所以Tensor定义在Eigen unsupported模块中。&br&&/p&&img src=&/v2-85374a1abe35c6fe87f9f_b.png& data-rawwidth=&528& data-rawheight=&406& class=&origin_image zh-lightbox-thumb& width=&528& data-original=&/v2-85374a1abe35c6fe87f9f_r.png&&&p&图 2 2中，Tensor主要包含两个变量m_data和m_dimension，m_data保存了Tensor的数据块，T是泛化的数据类型，m_dimensions保存了Tensor的维度信息。&/p&&p&Eigen::Tensor的成员变量很简单，却支持非常多的基本运算，再借助Eigen的加速机制实现快速计算，参考章节3.2。Eigen::Tensor主要包含了&/p&&p&一元运算（Unary），如sqrt、square、exp、abs等。&br&&/p&&p&二元运算（Binary），如add，sub，mul，div等&/p&&p&选择运算（Selection），即if / else条件运算&/p&&p&归纳运算（Reduce），如reduce_sum， reduce_mean等&/p&&p&几何运算（Geometry），如reshape，slice，shuffle，chip，reverse，pad，concatenate，extract_patches，extract_image_patches等&/p&&p&张量积（Contract）和卷积运算（Convolve）是重点运算，后续会详细讲解。&/p&&p&&b&2.2 符号编程&/b&&br&&/p&&p&编程模式通常分为命令式编程（imperative style programs）和符号式编程（symbolic style programs）。&br&&/p&&p&命令式编程容易理解和调试，命令语句基本没有优化，按原有逻辑执行。符号式编程涉及较多的嵌入和优化，不容易理解和调试，但运行速度有同比提升。&br&&/p&&p&这两种编程模式在实际中都有应用，Torch是典型的命令式风格，caffe、theano、mxnet和Tensorflow都使用了符号式编程。其中caffe、mxnet采用了两种编程模式混合的方法，而Tensorflow是完全采用了符号式编程，Theano和Tensorflow的编程模式更相近。&br&&/p&&p&命令式编程是常见的编程模式，编程语言如python/C++都采用命令式编程。命令式编程明确输入变量，并根据程序逻辑逐步运算，这种模式非常在调试程序时进行单步跟踪，分析中间变量。举例来说，设A=10, B=10，计算逻辑：&br&&/p&&img src=&/v2-3c9d9a87b293ccfd1b4c7d3f719877cd_b.png& data-rawwidth=&102& data-rawheight=&109& class=&content_image& width=&102&&&p&第一步计算得出C=100，第二步计算得出D=101，输出结果D=101。&/p&&p&符号式编程将计算过程抽象为计算图，计算流图可以方便的描述计算过程，所有输入节点、运算节点、输出节点均符号化处理。计算图通过建立输入节点到输出节点的传递闭包，从输入节点出发，沿着传递闭包完成数值计算和数据流动，直到达到输出节点。这个过程经过计算图优化，以数据（计算）流方式完成，节省内存空间使用，计算速度快，但不适合程序调试，通常不用于编程语言中。举上面的例子，先根据计算逻辑编写符号式程序并生成计算图&br&&/p&&p&&img src=&/v2-e0c10a664fb70c422bda06_b.png& data-rawwidth=&275& data-rawheight=&259& class=&content_image& width=&275&&其中A和B是输入符号变量，C和D是运算符号变量，compile函数生成计算图F，如图 2 3所示。&br&&/p&&p&&img src=&/v2-080a192a0d0a8fef5bdd6d6b78411d59_b.png& data-rawwidth=&479& data-rawheight=&328& class=&origin_image zh-lightbox-thumb& width=&479& data-original=&/v2-080a192a0d0a8fef5bdd6d6b78411d59_r.png&&最后得到A=10, B=10时变量D的值，这里D可以复用C的内存空间，省去了中间变量的空间存储。&br&&/p&&img src=&/v2-2ec035b10393bdbf876eb7e14307b90e_b.png& data-rawwidth=&272& data-rawheight=&62& class=&content_image& width=&272&&&p&图 2 4是TF中的计算流图，C=F(Relu(Add(MatMul(W, x), b)))，其中每个节点都是符号化表示的。通过session创建graph，在调用session.run执行计算。&br&&/p&&img src=&/v2-37f2f7d0e112c7637fa74dbc4ce99d39_b.png& data-rawwidth=&363& data-rawheight=&575& class=&content_image& width=&363&&&p&和目前的符号语言比起来，TF最大的特点是强化了数据流图，引入了mutation的概念。这一点是TF和包括Theano在内的符号编程框架最大的不同。所谓mutation，就是可以在计算的过程更改一个变量的值，而这个变量在计算的过程中会被带入到下一轮迭代里面去。&/p&&p&Mutation是机器学习优化算法几乎必须要引入的东西（虽然也可以通过immutable replacement来代替，但是会有效率的问题）。 Theano的做法是引入了update statement来处理mutation。TF选择了纯符号计算的路线，并且直接把更新引入了数据流图中去。从目前的白皮书看还会支持条件和循环。这样就几乎让TF本身成为一门独立的语言。不过这一点会导致最后的API设计和使用需要特别小心，把mutation 引入到数据流图中会带来一些新的问题，比如如何处理写与写之间的依赖。[7]&br&&/p&&p&&b&2.3 梯度计算&/b&&br&&/p&&p&梯度计算主要应用在误差反向传播和数据更新，是深度学习平台要解决的核心问题。梯度计算涉及每个计算节点，每个自定义的前向计算图都包含一个隐式的反向计算图。从数据流向上看，正向计算图是数据从输入节点到输出节点的流向过程，反向计算图是数据从输出节点到输入节点的流向过程。&br&&/p&&p&图 2 5是2.2节中图 2 3对应的反向计算图。图中，由于C=A*B，则dA=B*dC, dB=A*dC。在反向计算图中，输入节点dD，输出节点dA和dB，计算表达式为dA=B*dC=B*dD, dB=A*dC=A*dD。每一个正向计算节点对应一个隐式梯度计算节点。&br&&/p&&img src=&/v2-00f6bca72be62f2dcb01_b.png& data-rawwidth=&653& data-rawheight=&150& class=&origin_image zh-lightbox-thumb& width=&653& data-original=&/v2-00f6bca72be62f2dcb01_r.png&&&p&反向计算限制了符号编程中内存空间复用的优势，因为在正向计算中的计算数据在反向计算中也可能要用到。从这一点上讲，粗粒度的计算节点比细粒度的计算节点更有优势，而TF大部分为细粒度操作，虽然灵活性很强，但细粒度操作涉及到更多的优化方案，在工程实现上开销较大，不及粗粒度简单直接。在神经网络模型中，TF将逐步侧重粗粒度运算。&/p&&p&&b&2.4 控制流&/b&&br&&/p&&p&TF的计算图如同数据流一样，数据流向表示计算过程，如图 2 6。数据流图可以很好的表达计算过程，为了扩展TF的表达能力，TF中引入控制流。&br&&/p&&p&&img src=&/v2-547cfee6bbf799ee925866_b.png& data-rawwidth=&303& data-rawheight=&566& class=&content_image& width=&303&&在编程语言中，if…else…是最常见的逻辑控制，在TF的数据流中也可以通过这种方式控制数据流向。接口函数如下，pred为判别表达式，fn1和fn2为运算表达式。当pred为true是，执行fn1操作；当pred为false时，执行fn2操作。&br&&/p&&p&&img src=&/v2-f7e4c2d90d36dfaa5cef091bb53845a1_b.png& data-rawwidth=&350& data-rawheight=&40& class=&content_image& width=&350&&TF还可以协调多个数据流，在存在依赖节点的场景下非常有用，例如节点B要读取模型参数θ更新后的值，而节点A负责更新参数θ，则节点B必须等节点A完成后才能执行，否则读取的参数θ为更新前的数值，这时需要一个运算控制器。接口函数如下，tf.control_dependencies函数可以控制多个数据流执行完成后才能执行接下来的操作，通常与tf.group函数结合使用。&br&&/p&&img src=&/v2-3d63ecb04bd_b.png& data-rawwidth=&492& data-rawheight=&38& class=&origin_image zh-lightbox-thumb& width=&492& data-original=&/v2-3d63ecb04bd_r.png&&&p&TF支持的控制算子有Switch、Merge、Enter、Leave和NextIteration等。&/p&&p&TF不仅支持逻辑控制，还支持循环控制。TF使用和MIT Token-Tagged machine相似的表示系统，将循环的每次迭代标记为一个tag，迭代的执行状态标记为一个frame，但迭代所需的数据准备好的时候，就可以开始计算，从而多个迭代可以同时执行。&/p&&br&&p&&b&该文章属于“深度学习大讲堂”原创，如需要转载，请联系&a href=&/people/guo-dan-qing/answers& class=&internal&&@果果是枚开心果.&/a&&/b&&/p&&p&&b&作者简介：&/b&&/p&&p&&b&&img src=&/v2-ceca9ca2a91f_b.png& data-rawwidth=&348& data-rawheight=&351& class=&content_image& width=&348&&姚健，&/b&毕业于中科院计算所网络数据实验室，毕业后就职于360天眼实验室，主要从事深度学习和增强学习相关研究工作。目前就职于腾讯MIG事业部，从事神经机器翻译工作。联系方式： yao_&br&&/p&&p&&b&原文链接：&a href=&/?target=http%3A//mp./s/wC2EKp14lShUf5tAIBg5ow& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&『深度长文』Tensorflow代码解析（一）&i class=&icon-external&&&/i&&/a&&/b&&br&&/p&&p&&b&欢迎大家关注我们的微信公众号，搜索微信名称：深度学习大讲堂&/b&&br&&/p&&img src=&/v2-a29f11dacaf2c3a3f8b93_b.jpg& data-rawwidth=&346& data-rawheight=&67& class=&content_image& width=&346&&
深度学习大讲堂致力于推送人工智能，深度学习方面的最新技术，产品以及活动。请关注我们的知乎专栏！ 摘要日，Google发布深度学习框架TensorFlow并宣布开源，并迅速得到广泛关注，在图形分类、音频处理、推荐系统和自然语言处理等场景下都被大面…
&img src=&/v2-11edf279f3dd71aadd687e8a8f53d68e_b.jpg& data-rawwidth=&1000& data-rawheight=&679& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&/v2-11edf279f3dd71aadd687e8a8f53d68e_r.jpg&&&p&Python已经稳坐机器学习的第一语言(&a href=&/?target=http%3A//mp./s%3Fsrc%3D3%26timestamp%3D%26ver%3D1%26signature%3DIXB%2AIkLwdFOs%2AeSLfuVG6yyGl--mBocuBb-TT3IvHEwHxj9uqleYEKq2ZDTZLPpMz7-bkA6OOfl4V30htpBUsYDHSK-vyVGlxrnYcULqaguSUKQbifTqv7Xzfg-RFjT7AgrPsQbdH2dCZBu-PfRQttYNMv7WKhALlT0X7Rh4QFU%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习编程语言之争，Python夺魁&i class=&icon-external&&&/i&&/a&),尤其是深度学习框架Torch宣布支持Python之后。所以学习Python进行数据挖掘是性价比是最高的（本人也放弃了使用了3年多的R语言）。而使用Python进行数据挖掘是最近几年才开始火起来的，之前网上很多的资料都是关于Python网页开发等。但使用Python进行数据挖掘的侧重点已经完全不一样了。本人就是浪费了很多时间来筛选这些博客、书籍。所以就有了本文，希望能帮大家少走一点弯路。&br&&/p&&br&－－－－－－－－－－－我是分割线－－－－－－－－－－&br&&br&
本文章主要从数据挖掘的角度出发，谈谈如何入门数据挖掘。本文不能保证你能成为大神，但是如果能踏踏实实地学习完，找一份年薪15w+的工作还是不太难的，考虑到市场上人才的稀缺。本人也是非计算机专业，所以希望给非计算机的人一点参考。现在市场上数据挖掘的人才非常缺少，现在大一点的企业都需要数据分析、数据挖掘的人才，但是国目前只有3所大学开设了相关的本科专业，计算机专业的人也不会抢这饭碗，因而，造成了数据挖掘市场上人才的供给不足，所以给了一大堆非科班出身人很多的机会。&br&&br&一、Python 基础语法学习&br&如果只推荐一本书，强烈推荐&a href=&/?target=https%3A///.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《跟老齐学Python》&i class=&icon-external&&&/i&&/a&，Python中的核心概念做了非常棒的讲解，深刻而不失幽默。&br&&br&如果想系统的学习推荐密歇根大学的&a href=&/?target=https%3A//www.coursera.org/specializations/python& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《学习使用Python编程并分析数据》&i class=&icon-external&&&/i&&/a&系列课程。&br&&a href=&/?target=http%3A///wiki/958fa6d3a2e542c000& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&廖雪峰Python教程&i class=&icon-external&&&/i&&/a& 简单易上手的Python基础语法教程，值得学习, Python 2和Python 3版本都有。&br&&br&二、 机器学习理论&br&&br&推荐优达学城的课程 + 基本经典的机器学习书籍&br&&br&(优达学城作为三大MOOC平台之一，特色是最前沿的技术以及通俗易懂的讲解，对于小白入门非常友好，目前相关的课程还是免费的。所以强烈推荐。还有一些&a href=&/?target=https%3A///course/linear-algebra-refresher-course--ud953& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&基础的数学课&i class=&icon-external&&&/i&&/a&也非常棒。)&br&&br&&a href=&/?target=https%3A///course/intro-to-machine-learning--ud120& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习入门（中／英）&i class=&icon-external&&&/i&&/a&（谷歌大牛的课程）&br&&a href=&/?target=https%3A///course/machine-learning--ud262& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习&i class=&icon-external&&&/i&&/a&（乔治亚理工大学计算机课程）&br&&a href=&/?target=https%3A///.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&周志华的西瓜书《机器学习》&i class=&icon-external&&&/i&&/a&&br&深入一些的可以考虑李航的&a href=&/?target=https%3A///.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《统计学习方法》&i class=&icon-external&&&/i&&/a&&br&还有偏统计的斯坦福的教授写的&a href=&/?target=https%3A///.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《统计学习导论》&i class=&icon-external&&&/i&&/a&，深入版本的《&a href=&/?target=https%3A///.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&The Elements of Statistical Learning&i class=&icon-external&&&/i&&/a&》（英文影印版）&br&&br&上面推荐的都是非常不错机器学习的入门书籍，都是经典了。&br&&br&三、Python机器学习代码学习&br&掌握Python语法的基础上学习&a href=&/?target=http%3A///.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Python for data analysis》&i class=&icon-external&&&/i&&/a&是比较不错的选择，涵盖了ipython notebook、Numpy、Scipy和Pandas包的使用。&br&&br&&a href=&/?target=https%3A///.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Python数据分析与挖掘实战》&i class=&icon-external&&&/i&&/a&介绍了使用Python进行数据挖掘的详细案例，数据和代码都可以下载，作为机器学习的进阶学习是不错的选择（这本书也用对应的R语言和Matlab 版本）。&br&还有Udacity机器学习纳米学位项目代码（Github上有）&br&再推荐2本国外网站的书籍，还在early release阶段《Python Data Science Handbook》和《Hands On Machine Learning with Scikit-Learn and TensorFlow》，非常好的代码示范。注册Safari Online，可以免费看10天。&br&&br&四、优秀博客和微信公众号&br&&br&我推荐的网站和微信公众号都是我平时天天看的，那些水货大多被我取消关注了，养成每周清理公众号的好习惯。&br&&br&1. &a href=&/?target=http%3A//mp./profile%3Fsrc%3D3%26timestamp%3D%26ver%3D1%26signature%3DKMJwra3KYxqGo%2AKm6WNsRn7tVO0p1i4o2Z2SsHhh57qIlbl-L5NOBGWf1mwH-qV1e%2A7NkkP2CV8wMfObV-oaPA%3D%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据挖掘入门与实战&i class=&icon-external&&&/i&&/a& 全是干货，代码质量非常高。&br&&br&2. &a href=&/?target=http%3A//mp./profile%3Fsrc%3D3%26timestamp%3D%26ver%3D1%26signature%3DZ8gLeXZ4R09gTTsC%2AGcezxtso7phoO9CDXJYms2LbuiKaCICnGcLO4EJemfKdMjzxvXe9uMSQp4LYy6sXXFBnQ%3D%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习研究会&i class=&icon-external&&&/i&&/a& 我校老师组织的学习平台，代码加行业信息齐飞，质量非常高。尤其是我校的AI公开课（有直播），中国顶尖人工智能大腕云集。&br&&br&3. &a href=&/?target=http%3A//mp./profile%3Fsrc%3D3%26timestamp%3D%26ver%3D1%26signature%3DfOENhBUrEM6XcuNRY3ue306JhgArSpPZiBMBVjqYHd9n%2AIcj8%2AtxTQeVofOuFcqD7hA-nyozPOJAIuS5zTpb%2AA%3D%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&新智元&i class=&icon-external&&&/i&&/a& 人工智能方向行业观点，对于自己把握技术方向非常重要，比如说自动驾驶这个坑能不能入？&p&4. &a href=&/?target=http%3A//mp./profile%3Fsrc%3D3%26timestamp%3D%26ver%3D1%26signature%3DK2wxpB9JUneBwtsAUzRAKK6NXcK2XYK2Bi-lab7Xv-IwpWAowU7lgA9%2AXvlfWDH%2Ak1Z8EV7DH%2AhdWC1wYrG45A%3D%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器之心&i class=&icon-external&&&/i&&/a& 技术前沿与重量级新闻。&br&&br&还有一些其他的，下次再继续补充。&br&&br&还有几个博客：&br&&br&iPhone上可以使用Reeder阅读器，Instapaper用来保存后稍后阅读，因为信息量比较大。&br&&a href=&/?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&No free Hunch &i class=&icon-external&&&/i&&/a&Kaggle竞赛平台的官方博客，包括一些优秀的代码解读以及高分选手的采访，十分有用的经验（来自不同背景，不同年龄层次，不同职业的选手）&br&&a href=&/?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Analytics Community | Analytics Discussions | Big Data Discussion&i class=&icon-external&&&/i&&/a& 干货技术文章&br&&br&&a href=&/?target=http%3A///fly51fly%3Frefer_flag%3D_& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&新浪微博-爱可可&i class=&icon-external&&&/i&&/a& （北邮PRIS模式识别实验室陈老师）&br&&br&五、计算机书籍下载网站&br&&br&再添加几个外文书籍下载网址：&br&&br&&br&1. &a href=&/?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&All IT eBooks&i class=&icon-external&&&/i&&/a& 全，可能需要使用翻＊墙下载，翻＊墙方法见文末&br&&br&2. &a href=&/?target=http%3A//gen.lib.rus.ec/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Library Genesis&i class=&icon-external&&&/i&&/a& 各种书籍，不局限于编程书籍&br&&br&3. &a href=&/?target=http%3A//www.foxebook.net/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Fox eBook - eBooks Free Download Site&i class=&icon-external&&&/i&&/a&&br&&br&4. &a href=&/?target=http%3A//avxhome.in/ebooks/programming_development& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Development / Programming / AvaxHome&i class=&icon-external&&&/i&&/a&&/p&&br&&p&&b&P.S.: 衷心感谢大家的赞赏，这是对我最大的肯定(网费有着落了)。&/b&&/p&
Python已经稳坐机器学习的第一语言(),尤其是深度学习框架Torch宣布支持Python之后。所以学习Python进行数据挖掘是性价比是最高的（本人也放弃了使用了3年多的R语言）。而使用Python进行数据挖掘是最近几年才开始火起来的，…
花了近两天时间踩了很多坑，网上的配tf平台的大都是联网配的，无奈机器在离线状态下配就费劲了，废话不多说，直接上步骤。&p&系统：win7 64位 旗舰版；VS2013；&/p&&p&显卡：Quadro K5000&/p&&p&&b&1. 安装Python 3.5.2&/b&&/p&&p&用一台能上网的电脑在win平台下官网直接下载即可（&a href=&/?target=https%3A//www.python.org/downloads& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Download Python&i class=&icon-external&&&/i&&/a&），找到“&a href=&/?target=https%3A//www.python.org/ftp/python/3.5.3/python-3.5.3-amd64.exe& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Windows x86-64 executable installer&i class=&icon-external&&&/i&&/a&”，然后直接安装即可。&/p&&p&注：安装开始的那个“Add path”要勾选上，这样后面就不用手动添加路径了。&/p&&p&&b&2.安装 Tensorflow 0.12（1.0同理）&/b&&/p&&p&由于我是离线安装的，所以需要提前去下载tensroflow的.whl文件，感谢&a href=&/?target=http%3A//blog.csdn.net/include1224/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&原生Windows安装TensorFlow 0.12方法&i class=&icon-external&&&/i&&/a& ，我直接复制其中的cpu、gpu版本的两个链接，打开链接即可下载对应的版本。&/p&&p&CPU版本：&a href=&/?target=https%3A///tensorflow/windows/cpu/tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&/&/span&&span class=&invisible&&tensorflow/windows/cpu/tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&/p&&p&GPU版本：&a href=&/?target=https%3A///tensorflow/windows/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&/&/span&&span class=&invisible&&tensorflow/windows/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&/p&&p&再下载一个pip文件方便安装使用：&a href=&/?target=http%3A//www.lfd.uci.edu/%7Egohlke/pythonlibs/%23pip& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python Extension Packages for Windows&i class=&icon-external&&&/i&&/a&&/p&&br&&p&下载的.whl文件可暂时放于待U盘传输的文件夹中~&/p&&p&① 在离线的电脑上，打开下载的pip文件所在的文件夹，在空白处 按住shift＋右键，选择“在此处打开命令窗口”，输入 pip install 文件名，先更新pip文件，若无法使用，就去找 setup.py的安装方式吧。&/p&&p&② 直接用pip方式安装TF会由于无法联网而出现问题，比如 “wheel”需要大于某个版本值，所以最好的方法就是找到所有需要的依赖，但一个个找过于麻烦，就干脆用一个能上网的电脑在线安装TF，观察它下载中所需要的依赖项，再一个一个将他们下载下来。&/p&&p&WIN平台下安装TF所需的包的安装顺序如下：&b&&i&pip→numpy→six→protobuf→Werkzeug→wheel→tensorflow&/i&&/b&，按着这个顺序安装即可，都是.whl文件，在这里找：&a href=&/?target=http%3A//www.lfd.uci.edu/%7Egohlke/pythonlibs/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python Extension Packages for Windows&i class=&icon-external&&&/i&&/a&&/p&&p&&b&3.安装显卡驱动&/b&&/p&&p&去英伟达官网找到自己显卡所对应的驱动即可&/p&&p&&b&4.安装CUDA8.0.44 & cudnn5.1&/b&&/p&&p&&b&感谢&/b&&b&&a href=&/?target=http%3A//blog.csdn.net/fengbingchun/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&windows7 64位机上安装配置CUDA7.5(或8.0)+cudnn5.0操作步骤&i class=&icon-external&&&/i&&/a&，基本按照这个步骤去配置的这两部分，但我的机器不知为何在英伟达官网下载的最新版8.0.61在安装过程中会有&/b&&/p&&p&&b&&img src=&/v2-d3ccdfdd31dc4be2ffc55381dafc314c_b.png& data-rawwidth=&251& data-rawheight=&129& class=&content_image& width=&251&&换电脑、换网络都没用，于是我在网上找了个8.0.44的包，就没啥问题了。。。&/b&&/p&&p&&b&在配置cuda过程中，出现了MSB3721问题，查了很多资料，说是路径问题之类的，不过当我重新安装CUDA和选择“Release”后，就没有问题了。。。&/b&&/p&&p&&b&5. 测试&/b&&/p&&p&&b&&img src=&/v2-ce0ef0c04a5fbf3a0e376d_b.jpg& data-rawwidth=&960& data-rawheight=&464& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&/v2-ce0ef0c04a5fbf3a0e376d_r.jpg&&离线版本配置完成。&/b&&/p&&p&第一次写知乎文章，还请大神们轻喷~ &/p&
花了近两天时间踩了很多坑，网上的配tf平台的大都是联网配的，无奈机器在离线状态下配就费劲了，废话不多说，直接上步骤。系统：win7 64位 旗舰版；VS2013；显卡：Quadro K50001. 安装Python 3.5.2用一台能上网的电脑在win平台下官网直接下载即可（
&i&已经2017年了，两年前的东西可以淘汰了，现在参考这个入门效率已经不高了&br&&/i&&br&&i&请参考最新的其他人的回答Orz&br&&/i&&br&&i&&i&---------------------------------------------------------------------------------------------------------------------------------&/i&&br&这个答案是我两年前做本科毕业设计写的，那时候连模式识别是个什么概念都不懂。但毕设课题强行选了DL相关，所以给了当时自己看的资料，直接跑深度学习框架，其实并没有技术含量。&/i&&br&&i&发现回答以后评论与关注也较多，现在经过一年学习回头来看确实这个答案不适合扎实的新手入门，有一些误导。特此修正。&/i&&u&我想让答案尽可能短，看起来不吓人。&/u&&br&--------------------------------&br&我入门CV时清华的朋友给的资料，帮助十分大！十分适合新手入门！&br&我是本科EE入门的，所以应该没有底子比我差的了。&br&-------------------------速成的道路---------------&br&0、Andrew Ng的机器学习部分内容(机器学习介绍，回归问题与梯度下降，过拟合欠拟合)&br&英文能力足够推荐英文版:&a href=&///?target=http%3A//openclassroom.stanford.edu/MainFolder/CoursePage.php%3Fcourse%3DMachineLearning& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Machine Learning&i class=&icon-external&&&/i&&/a&&br&(中文版对应网易公开课&a href=&///?target=http%3A///special/opencourse/machinelearning.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&斯坦福大学公开课 ：机器学习课程&i class=&icon-external&&&/i&&/a&)&br&（中英链接里的章节貌似不对应，按内容看）&br&&br&1.UFLDL: &a href=&///?target=http%3A//ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&ufldl.stanford.edu/wiki&/span&&span class=&invisible&&/index.php/UFLDL_Tutorial&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&ul&&li&&a href=&///?target=http%3A//ufldl.stanford.edu/wiki/index.php/Neural_Networks& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Neural Networks&i class=&icon-external&&&/i&&/a&&/li&&br&&li&&a href=&///?target=http%3A//ufldl.stanford.edu/wiki/index.php/Backpropagation_Algorithm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Backpropagation Algorithm&i class=&icon-external&&&/i&&/a&&/li&&/ul&看这两部分内容&br&&br&&p&2.CMU
Advanced Introduction to Machine Learning PPT:
&a href=&///?target=http%3A//www.cs.cmu.edu/%7Eepxing/Class/10715/lectures/DeepArchitectures.pdf& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&cs.cmu.edu/~epxing/Clas&/span&&span class=&invisible&&s/10715/lectures/DeepArchitectures.pdf&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&/p&&p&这是一门Machine
Learning课程中讲到CNN的部分&/p&&br&&p&3.CAFFE:
&a href=&///?target=http%3A//caffe.berkeleyvision.org/tutorial/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Caffe | Caffe Tutorial&i class=&icon-external&&&/i&&/a&&/p&&p&CAFFE是一个常用的deep
learning的软件工具，其页面上有deep
learning的tutorial材料，同时想要深入了解具体实现的话可以直接阅读源代码&/p&&br&&p&--------------------------比较全面的道路--------------&/p&&br&一个技术上认识DL（这里说CNN），的顺序是：&br&线性分类-&感知机-&梯度下降-&神经网络-&BP算法-&三层全连接网络-&CNN&br&感悟上认识DL的顺序是:&br&（生物基础）Hubel&Wiesel视通路研究 --&(计算机模拟)神经网络--&神经网络很好骗&br&--&神经网络一定要深吗？--&神经网络一定要深--&混沌理论&量子力学
已经2017年了，两年前的东西可以淘汰了，现在参考这个入门效率已经不高了
请参考最新的其他人的回答Orz
--------------------------------------------------------------------------------------------------------------------------------- 这个答案…
已有帐号？
无法登录？
社交帐号登录
2896 人关注
140 条内容
1080 人关注
175 条内容
22874 人关注
1485 条内容
3686 人关注
1481 条内容}