怎麼能開始會寫自己的tensorflow代碼？

06-10

大家好，現自學tensorflow，主要是通過看 tensorflow社區的文檔、Github上的代碼以及一些大佬們的筆記；但現在的問題是，大體可以看得明白別人的代碼，比如說在哪部分在訓練模型、哪部分在評估、用了什麼損失函數等，但是自己寫卻覺得很難下手，尤其目前的教材都是基於圖片的，因此在數據預處理等部分看的很暈，請問大家有什麼學習tensorflow的好的方法或資料嗎？非常謝謝！！

你不應該只停留在看代碼的程度上，還要模仿著例子程序來寫，一開始都是模仿，甚至是一個字一個字看著抄一遍，當你真正自己能跑通例子程序之後，就扔掉參考代碼，自己從頭寫一遍出來，如果你真的懂了全部流程，明白了當中所有的矩陣運算，偽代碼是能寫出來的，API不記得就可以去查。假如卡在了某個地方，不知道預處理要什麼操作或者怎樣新建圖、placeholder、variable，那證明你還沒熟悉，再回去抄一遍。

實際體驗是，一開始用別人的開源代碼，然後跑通之後發現不滿足自己某些要求，就想去魔改代碼，改著改著你就會自己去查API，深究進去改多了你就基本明白別人代碼的原理了，後面就會慢慢能自己寫了。

讀書破萬卷，下筆如有神。不僅適用於讀書，還適用於寫代碼。

我恰巧剛經歷了這樣一段學習TF的時間，希望關於我的經歷的描述可以幫助你：

0. 將GitHub上贊數最多的Example下載下來，例如(aymericdamien/TensorFlow-Examples)

從hello_world開始，了解constant和TF中Session的使用
basic_operation中，學習placeholder及在placeholder上定義的操作。在 placeholder上的操作定義基本和使用python定義函數是類似的。
接下來的Linear Regression就是最簡單的完整訓練過程。可以看到分為幾個部分，Data Reader, Variable definition, Model define, Loss Optimizer, Training Session. 涉及的操作全都是自己用最基礎的數據類型定義的，更清楚placeholder等的使用。接下來的Logistic Regression，KNN，K-means，亦然。
然後入手神經網路部分。最簡單的手寫兩層MLP代碼和Logistic Regression最大的差別就是多了一層非線性，其他完全一樣。最簡單的手寫CNN代碼與MLP的區別在於Conv操作的引入。能寫完到這裡，基本就明白了所有最基礎的東西。我們所寫的代碼就是建立運算圖，然後Training Session通過sess.run()將數據feed進去，流過定義好的運算圖。
之後上手高級API實現MLP，CNN和RNN等。就更容易理解，將底層我們曾自己實現的Variable初始化、簡單操作的實現(conv)、層與層之間的鏈接都封裝。Estimator是良心，但在市面上讀到的TF代碼用的不多，自己可以嘗試把玩。

這個Repo也有關於TensorBoard，model save/restore等的實際的東西，按照自己需求來學。

到此，如果以上代碼全都自己上手寫過了，基本不存在不會寫的情況了。然後就是和API之間的鬥爭了。

特別同意 @Professor ho 提到的，打碼破萬卷，下筆如有神。

stanford的入門課程cs20和作業的github

Tensorflow for Deep Learning Research?

web.stanford.edu

chiphuyen/stanford-tensorflow-tutorials?

github.com

看一遍slides，再跟著這個作業做一遍，再把作業代碼扔掉自己從頭寫一份，就算入門了。

youtube上還有個印度小哥的視頻，特地為這門課做的（stanford的講課視頻沒放到網上），可以看一下，不過我覺得slides已經夠詳細了，直接follow slides困難也不大

安利一把tensorlayer，看例子學就好

代碼這種事情，你看一萬遍也沒用。寫，一定要親手寫。

如果你手頭沒有現成的任務的話，可以自己用tensorflow親自擼一遍mnist，包括 generator, tfrecords等數據生成方式，還有訓練測試代碼等等。

別只看，自己去趟坑，資料用處不大。

另外，我最近寫的一個示例，可以參考一下

https://github.com/shenekeng853/MyTensorflowWheel?

github.com