@misaka19000 如果你只是想实践一下，不想深究理论（比如我自己）的话。
理论基础（必要）：线性代数，统计概率，微积分。
理论基础（更好）：函数分析，数值分析
编程基础：基本编程能力，最好是 Python 。因为很多库用 Python 。当然，编程能力多多益善。

@menc 你的建议非常有意义。

不过其实是这样的，我的这个视频初衷本来就不是深度学习的教程。本来只是用来展示 TF 可以如何使用。所以说至少还会更新几期。因为在 4-6 的时候说要写完一个数字的分类器，肯定要更新到把这个分类器写完啊。

因为学习机器学习的同学大体可以分两类嘛：
一边是理论基础很扎实，但是不怎么编程的朋友。
另一边是从程序员那边转过来，想了解机器学习的朋友。

所以他们的需求不一样嘛。

而且如果真是为了开始正儿八经地学习深度学习，肯定不可能来看这个视频系列。

但是这个视频系列从代码实例的角度，我认为还是值得做完的。

@menc 主要是第一期被吐槽太多了，实在不能忍。然后前 3 期是连着的，所以一道重制了。第 10 期明天争取出来。

@menc 对， X 乘的话要形状变化。我失误混淆了 Numpy 乘法的操作符重载和数学的乘法。

确实 [3, 4] x [8, 9] => [24, 36] 的话，想成乘法在 reduce 两个数组比较好。

[3] X [8, 9] 才是数学上的 X 乘
[4]

谢谢你细心的指出。

我的第一期视频做得不好。准备重做。确实是没想到有真么多人看。

@Aspx 一开始录的时候根本没想到真的有人看(ToT)。我一看 Github 时都惊呆了。现在觉得有必要提升一下质量

有空了会将尿点太多的几期重做

谢谢建议

@menc 口误

@dxcqcv 官方只给了 C++的底层 API 和 Python 的顶层 API 。

其他语言的都是社区在推进。

我也是 JS 开发者。加入了 TF JS 社区的 Slack. 有兴趣可以搜一搜 Slack 加入。

不过社区已经有大概半年没有什么动静了。

我估计项目是死了。

JS Binding 的主要难点是， JS 没有 64 位整数的类型。 JS Number 是 64 位浮点，俗称 double 。

而且 Python API 中有一些 C++ API 没有提供的。

所以 JS Implementation 会很艰难。

JS for Scientific Computing 也许会在 JS2017 或者 2018 中有一定支持。我希望。。。

@rust 目前没有。整个系列还没有做好。而且质量也还很惭愧。

@jccg90 开发效率问题。将所有代码都写好了之后，粘贴到 Notebook 来展示是适用的。但是直接在 notebook 上开发效率太慢。

而且你做真正的深度学习软件模块的时候不可能用 botebook 吧？

可视化有 TensorBoard 这个组件。我之后会用到

@33Cat 在 github 的 readme 里面有 1 和 2 的视频链。