大概是今年3月1日，看了《机器学习速成课程》的相关新闻，开始关注并学习TensorFlow。
然后就被里面的各种名词搞蒙了：逻辑回归、梯度下降、过拟合……
稀里糊涂把教程坚持下来了，感觉读了遍天书 
于是老老实实从基础学。
花了一个月时间学习python，认真练习NumPy，Pandas，matplotlib。
机器学习的各种算法了解了点原理，公式基本看不懂，推导更是完全蒙圈。
不过再看相关教程，感觉不那么陌生了，看来是有用。
进一步了解到TensorFlow是众多机器学习框架中的一个，也是最流行的那个。
这样算是有了点基础了，虽然不大牢固吧，但是再看TF觉得不那么困难了。
刚开始看TF，做了MNIST的那个入门例子。
运行出来了，但不大了解原理。
一点点学习里面用到的每一个函数。
花了两天时间，把例子用到的函数都写代码练习了一遍。
特别是feed_dict的使用，做了各种尝试。
然后再看这个例子，觉得基本上理解了。
总结如下：
- python基础必须有。即便不精通，至少不影响读代码。
- 数学基础可以不特别深厚。达不到推导公式的水平，但应该了解那些公式的名字和作用。
- 机器学习的基础知识需要补补，例如：回归与分类，训练集测试集验证集，准确率召回率……
- 不能贪快。稀里糊涂做完Demo，没弄透，到头来还是不会用。必须扎扎实实往前走。
- TF学习对基础不好的初学者来说，是个庞大的工程，做好长期学习准备。
原帖发布人： crayfish
发布时间： 2018-4-14 18:21:41