This page is going to tell how to install tensorflow on ubuntu 16.04 from the github sources. I sugget you to use conda or miniconda as your python, then you can skip section 6: Create the pip package and install.
继续阅读 »
预备工作
(最好自带翻墙梯子) python工具包利器： Anaconda3(因为win下只出了python3.5版本的)， 清华大学conda源 , 清华大学pipy源 , Pypi官方源 ，Conda官方源(其中一个发布源) ，最重要的就是Google了。
当我们下载好了Anaconda后，你懂的，直接安装，最好是写入系统的path中（注意提示，不要直接一路回车过去）。 在Linux中更是如此，不要使用sudo权限，否则会写入sudo 的路径中，以后使用的时候诸多麻烦的。安装好anaconda后，你应该有了virtualenv这个工具了，这个工具是用来创建虚拟环境的（一个系统往往有很多人在用，大家对系统的要求都不一样，你
继续阅读 »
来源于 tensorflow.org，源码在 这里。这是为 TensorFlow 和机器学习初学者定制的 tutorial。
继续阅读 »
Tensorflow 十分擅长于实现和训练深度神经网络，本文将：
构建一个 Softmax 回归模型
用 TensorFlow 训练这个模型
用测试数据测试模型的精度
建立、训练并测试一个多层的卷积神经网络
加载 MNIST 数据
继续阅读 »
动态计算图模型时代
经典的深度学习框架比如caffe，mxnet，tensorflow等都是使用的静态计算图模型（当然最近tensorflow推出新的Execution模式—Eager，mxnet也开始使用新的前端框架Gluon…这是后话），也就是先定义一个计算图，然后往里面“喂”数据，这是经典的Define-and-Run模式…..（我也不知道继续该怎么编了，反正大家都知道怎么用tensorflow和caffe，就是和我们用numpy不一样）直到Chainer横空出世，引入了动态图机制，让深度学习研究工作者眼前焕然一新，pytorch也来了，春天近了。
继续阅读 »
本文经机器之心(微信公众号:almosthuman2014)授权转载,禁止二次转载.本文由机器之心编译,蒋思源、刘晓坤参与.
本文从最基本的依赖项开始,依次配置了 VS 2015、Anaconda 4.4.0、CUDA 8.0.61 和 cuDNN v5.1 等基本环境,然后再从 Keras 出发安装 Theano、TensorFlow 和 CNTK 以作为其后端.在完成配置深度学习框架后,本文分别利用这三个框架作为 Keras 后端在 CPU 和 GPU 上训练了一个标准的卷积神经网络,完成该简单的卷积网络也就意味着我们完成了深度学习环境的配置.
继续阅读 »
这篇文章是im2latex系列的第一篇，希望能够讲清楚基于attention的Sequence-to-Sequence和Beam Search的一些基本概念。
如果你对Seq2Seq和熟悉了，想直接跳到tensorflow代码部分的话。
继续阅读 »
本文是im2latex系列的第二篇，希望能够讲清楚
如何将seq2seq模型应用于LaTex生成
如何使用Tensorflow实现
如果你对Seq2Seq还不熟悉。
[请看seq2seq介绍](https://anxingle.github.io)
继续阅读 »
这里是示例的Jupyter Notebook。
最近详细研究了研究TensorFlow的seq2seq库。为了能实现一个神经语言翻译模型，我希望能尽快了解一个大概。这里我就仅仅想知道“我需要清除知道关于这个库的哪些细节”，而不是一个“8层双向基于注意力机制使用集束搜索…的网络”吧啦吧啦有惊人的效果。我这里就像怎么来实现最基本的NMT模型。翻了好多材料来寻找一份“简单”的参考代码时，我一点也不惊讶。
继续阅读 »