TensorFlow.NET機器學習入門【0】前言與目錄

     曾經學習過一段時間ML.NET的知識，ML.NET是微軟提供的一套機器學習框架，相對於其他的一些機器學習框架，ML.NET側重於消費現有的網絡模型，不太好自定義自己的網絡模型，底層實現也做了高度封裝。

    最近想從底層學習一下機器學習的相關知識，經過初步篩選，計划定位於python + pytorch這個方向入手，經過一段時間的學習，我發現由於對python語言不太熟悉，導致實踐起來比較困難，先不說機器學習相關的代碼，光周邊代碼就搞得焦頭爛額了。想要下決心好好修煉一下python必然不是一朝一夕的事情，所以考慮是否學一個采用C#的機器學習框架，這樣就可以專心研究目標代碼，配套服務就可以輕松搞定了。

    經搜索發現了SciSharp-Stack這個項目，一開始我定位於Torch.Net，最終選擇了TensorFlow.NET這個框架。選擇TensorFlow.NET主要是因為如下幾個原因：

•   示例比較豐富，第一次下載、編譯、運行都很順利。（如果開源項目提供的HelloWorld項目跑不起來的話，就沒有信心使用了）
•   代碼一直在更新，社區比較活躍，Issue上問問題會有人回答；
•   架構比較合理，通過.NET對google提供的原生動態鏈接庫進行封裝，和我們使用MySQL.Data的架構類似，C#開發人員很熟悉這種架構；
•   代碼風格接近python+tensorflow的實現方式，便於參考網絡上大量python的例程。

這個系列的文章就是我這段時間學習TensorFlow.Net的心得體會，整個系列的文章目錄如下： 

1. TensorFlow.NET機器學習入門【1】開發環境與類型簡介
2. TensorFlow.NET機器學習入門【2】線性回歸
3. TensorFlow.NET機器學習入門【3】采用神經網絡實現非線性回歸
4. TensorFlow.NET機器學習入門【4】采用神經網絡處理分類問題
5. TensorFlow.NET機器學習入門【5】采用神經網絡實現手寫數字識別（MNIST）
6. TensorFlow.NET機器學習入門【6】采用神經網絡處理Fashion-MNIST
7. TensorFlow.NET機器學習入門【7】采用卷積神經網絡（CNN）處理Fashion-MNIST
8. TensorFlow.NET機器學習入門【8】采用GPU進行學習
9. TensorFlow.NET機器學習入門【9】后記

由於作者本人對於機器學習的認識還處於入門階段，寫作過程中難免存在紕漏，如果您發現有什么錯誤的地方，請及時指出來。

 

【參考資料】

TensorFlow.NET

SciSharp-Stack-Examples

《深度學習入門：基於Python的理論與實踐（齋藤康毅）》