Tensorflow 教程系列 | 莫煩Python

Tensorflow 簡(jiǎn)介

1.1 科普: 人工神經(jīng)網(wǎng)絡(luò) VS 生物神經(jīng)網(wǎng)絡(luò)

1.2 什么是神經(jīng)網(wǎng)絡(luò) (Neural Network)

1.3 神經(jīng)網(wǎng)絡(luò) 梯度下降

1.4 科普: 神經(jīng)網(wǎng)絡(luò)的黑盒不黑

1.5 為什么選 Tensorflow?

1.6 Tensorflow 安裝

1.7 神經(jīng)網(wǎng)絡(luò)在干嘛

Tensorflow 基礎(chǔ)構(gòu)架

2.1 處理結(jié)構(gòu)

2.2 例子2

2.3 Session 會(huì)話控制

2.4 Variable 變量

2.5 Placeholder 傳入值

2.6 什么是激勵(lì)函數(shù) (Activation Function)

2.7 激勵(lì)函數(shù) Activation Function

建造我們第一個(gè)神經(jīng)網(wǎng)絡(luò)

3.1 例子3 添加層 def add_layer()

3.2 例子3 建造神經(jīng)網(wǎng)絡(luò)

3.3 例子3 結(jié)果可視化

3.4 加速神經(jīng)網(wǎng)絡(luò)訓(xùn)練 (Speed Up Training)

3.5 優(yōu)化器 optimizer

可視化好助手 Tensorboard

4.1 Tensorboard 可視化好幫手 1

4.2 Tensorboard 可視化好幫手 2

高階內(nèi)容

5.1 Classification 分類學(xué)習(xí)

5.2 什么是過(guò)擬合 (Overfitting)

5.3 Dropout 解決 overfitting

5.4 什么是卷積神經(jīng)網(wǎng)絡(luò) CNN (Convolutional Neural Network)

5.5 CNN 卷積神經(jīng)網(wǎng)絡(luò) 1

5.6 CNN 卷積神經(jīng)網(wǎng)絡(luò) 2

5.7 CNN 卷積神經(jīng)網(wǎng)絡(luò) 3

5.8 Saver 保存讀取

5.9 什么是循環(huán)神經(jīng)網(wǎng)絡(luò) RNN (Recurrent Neural Network)

5.10 什么是 LSTM 循環(huán)神經(jīng)網(wǎng)絡(luò)

5.11 RNN 循環(huán)神經(jīng)網(wǎng)絡(luò)

5.12 RNN LSTM 循環(huán)神經(jīng)網(wǎng)絡(luò) (分類例子)

5.13 RNN LSTM (回歸例子)

5.14 RNN LSTM (回歸例子可視化)

5.15 什么是自編碼 (Autoencoder)

5.16 自編碼 Autoencoder (非監(jiān)督學(xué)習(xí))

5.17 scope 命名方法

5.18 什么是批標(biāo)準(zhǔn)化 (Batch Normalization)

5.19 Batch Normalization 批標(biāo)準(zhǔn)化

5.20 Tensorflow 2017 更新

5.21 用 Tensorflow 可視化梯度下降

5.22 什么是遷移學(xué)習(xí) Transfer Learning

5.23 遷移學(xué)習(xí) Transfer Learning

https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/

https://github.com/fengdu78/deeplearning_ai_books

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末背伴,一起剝皮案震驚了整個(gè)濱河市妻熊,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌井誉,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,682評(píng)論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件旬昭,死亡現(xiàn)場(chǎng)離奇詭異眯漩,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)芥备,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,277評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門(mén)冬耿,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人萌壳,你說(shuō)我怎么就攤上這事亦镶。” “怎么了袱瓮?”我有些...
    開(kāi)封第一講書(shū)人閱讀 165,083評(píng)論 0 355
  • 文/不壞的土叔 我叫張陵缤骨,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我尺借,道長(zhǎng)绊起,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,763評(píng)論 1 295
  • 正文 為了忘掉前任燎斩,我火速辦了婚禮虱歪,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘栅表。我一直安慰自己笋鄙,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,785評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布怪瓶。 她就那樣靜靜地躺著萧落,像睡著了一般。 火紅的嫁衣襯著肌膚如雪洗贰。 梳的紋絲不亂的頭發(fā)上找岖,一...
    開(kāi)封第一講書(shū)人閱讀 51,624評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音敛滋,去河邊找鬼许布。 笑死,一個(gè)胖子當(dāng)著我的面吹牛绎晃,可吹牛的內(nèi)容都是我干的爹脾。 我是一名探鬼主播帖旨,決...
    沈念sama閱讀 40,358評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼灵妨!你這毒婦竟也來(lái)了解阅?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 39,261評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤泌霍,失蹤者是張志新(化名)和其女友劉穎货抄,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體朱转,經(jīng)...
    沈念sama閱讀 45,722評(píng)論 1 315
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡蟹地,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,900評(píng)論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了藤为。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片怪与。...
    茶點(diǎn)故事閱讀 40,030評(píng)論 1 350
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖缅疟,靈堂內(nèi)的尸體忽然破棺而出分别,到底是詐尸還是另有隱情,我是刑警寧澤存淫,帶...
    沈念sama閱讀 35,737評(píng)論 5 346
  • 正文 年R本政府宣布耘斩,位于F島的核電站,受9級(jí)特大地震影響桅咆,放射性物質(zhì)發(fā)生泄漏括授。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,360評(píng)論 3 330
  • 文/蒙蒙 一岩饼、第九天 我趴在偏房一處隱蔽的房頂上張望荚虚。 院中可真熱鬧,春花似錦籍茧、人聲如沸版述。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 31,941評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)院水。三九已至腊徙,卻和暖如春简十,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背撬腾。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,057評(píng)論 1 270
  • 我被黑心中介騙來(lái)泰國(guó)打工螟蝙, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人民傻。 一個(gè)月前我還...
    沈念sama閱讀 48,237評(píng)論 3 371
  • 正文 我出身青樓胰默,卻偏偏與公主長(zhǎng)得像场斑,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子牵署,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,976評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容