【AI每日播报】《TensorFlow实战》作者唐源：Google深度学习框架的正确姿势

最近一本深度学习教科书火了——《TensorFlow实战》。CSDN AI频道特别采访到本书作者之一唐源，以其一线TensorFlow社区贡献者的角度为我们解析TensorFlow。

点击题目蓝色字体即可阅读原文。

【专访】 TensorFlow 贡献者唐源：掌握 Google 深度学习框架的正确姿势

CSDN 2017 AI Innovators本期带着关于TensorFlow的诸多问题采访到唐源，《TensorFlow实战》联合作者，美国 Uptake 数据科学家。唐源带领团队建立用于多个物联网领域的数据科学引擎进行条件和健康监控，同时建立公司的预测模型引擎，现已被用于航空、能源等大型机械领域。

在采访中，唐源讲述了其如何走上深度学习开源框架贡献者之路，衡量了一个成功的数据团队所需的深度学习功底。更讲述了作为TensorFlow贡献者，对TensorFlow开发者大会的观感及侧重点。

【初学】十种机器学习算法要点及代码解析

这篇指南的目的，是为那些有追求的数据科学家和机器学习狂热者们，简化学习旅途。这篇指南会让你动手解决机器学习的问题，并从实践中获得真知。本文提供的是几个机器学习算法从更高维度上的理解，以及运行这些算法的 R 和 Python 代码。这些应该足以让你亲自试一试了。

作者特地跳过了这些技术背后的数据，因为初涉深度学习时并不需要理解这些。如果你想从数据层面上理解这些算法，你应该去别处找找。但如果你想要在开始一个机器学习项目之前做些准备，你会喜欢这篇文章的。

这十种算法包括：线性回归、逻辑回归、决策树、SVM、朴素贝叶斯、K最近邻算法、K均值算法、随机森林算法、降维算法、Gradient Boost 和 Adaboost 算法。

【初学】新手如何入门Pytorch

第一步 Github的 tutorials 尤其是那个60分钟的入门。只能说比tensorflow简单许多, 我在火车上看了一两个小时就感觉基本入门了. 另外jcjohnson 的Simple examples to introduce PyTorch也不错。
第二步 example 参考pytorch/examples实现一个最简单的例子(比如训练mnist )。
第三步 通读doc PyTorch doc 尤其是Autograd的机制，和nn.module ,optim 等相关内容。doc还不是很完善，但是绝对够用。
第四步 论坛讨论 PyTorch Forums 。论坛帖不是很多，但是质量很高，pytorch的维护者(作者?)回帖很及时的。每天刷一刷帖可以少走很多弯路，避开许多陷阱,消除很多思维惯性.还能从作者那里学会如何写出bug-free clean and elegant 的代码。
第五步 阅读源代码 fork pytorch，pytorch-vision等。相比其他框架，pytorch代码量不大，而且抽象层次没有那么多，很容易读懂的。通过阅读代码可以了解函数和类的机制，此外它的很多函数,模型,模块的实现方法都如教科书般经典。

【进阶】谷歌机器学习应用的四十三条经验法则

如果你上过机器学习方面的课程或者构建或研究过机器学习模型，那么，你的背景知识足以让你读懂这篇文章。

本文为深度学习项目从预备阶段到创建第一个工作流、到特征工程、再到优化模型各个阶段经验之谈。

Google 的研究科学家 Martin Zinkevich 曾在 NIPS 2016 Workshop 分享了谷歌机器学习实践的四十三条法则。Martin Zinkevich 也在自己的博客上分享了分享此文。文章旨在帮助具备机器学习基础知识的朋友从谷歌机器学习最佳实践中获益。

【案例】使用pix2pix-tensorflow的交互式图象到图象翻译的演示

作者将Isola等人做的pix2pix移植到了Tensorflow 平台。Tensorflow 平台包含在Tensorflow的图像到图像翻译（Image-to-ImageTranslation in Tensorflow）论文中。作者采用了一些预训练的模型，并制作了一个网络互动的程序可以直接尝试玩玩。建议使用 Chrome 浏览器来查看效果。

今天的播报就到这里，若您想要与我交流，请邮件wangyi@csdn.net或扫描下方二维码加我微信。