機器視覺洽沟，嵌入式缓熟，ROS组去，光學透乾，成像

不斷學習，努力提升桨吊。

再您獁的見

MT大前端的小學生一枚

University of Colorado Boulder, ARPG實驗室小博

與惡龍纏斗過久,自身亦成為惡龍;凝視深淵過久,深淵將回以凝視渣聚。

堅持比選擇更重要

redshift-gtk -l 39.92:116.46 -t 5000:4000

讀萬卷書，行萬里路激捏，閱無數(shù)人设塔。<br><br>超級吃貨，愛吃湖南菜远舅，川菜闰蛔，杭幫菜痕钢，嘗遍天下美食。<br><br>攝影愛好者序六，游歷全國各地任连，閱盡人間春色。<br><br>愛看電影难咕，尤其是美國大片和俄羅斯生猛大片课梳！非主流影評寫手距辆。<br><br>近期關注人工智能余佃！ <br><br>微信號：JINYULIN_SH_<br>QQ號：2806032155

一個寫文章派送禮物的圣誕老人<br>寫文章給馬力攢狗糧<br>對诸蚕，就是頭像里那條蠢狗<br>文章轉(zhuǎn)載請簡信我<br>歡迎交流<br><br><br><br><br><br><br>

本專題招募管理員，有意向請簡信私聊漠魏，謝謝倔矾！ 用來分享機器學習，深度學習柱锹，神經(jīng)網(wǎng)絡哪自，計算機視覺等領域的一些技術。 Machine Learning 學習資料：http://www.reibang.com/p/e0238db24973 相關參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.reibang.com/p/182baeb82c71 3. [深度學習與神經(jīng)網(wǎng)絡(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.reibang.com/p/6752a8845d01 8. [知乎“機器學習”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.reibang.com/p/fe428f0b32c1 …… 希望大家可以相互交流禁熏，相互學習壤巷！

我以官方文檔為主線胧华，開始對TensorFlow的學習。這期間會把我的理解進行持續(xù)的輸出宙彪，作為《TensorFlow從0到N》系列矩动。 它不會止于翻譯和筆記，不會停留在語言和工具您访，而是堅持通過啟發(fā)性的方式铅忿，循序漸進的構建理解，搭建一個堅實可靠的灵汪、連接“零基礎”與“人工智能（AI）/機器學習（Machine Learning）/深度學習（Deep Learning）”領域之間的緩坡道檀训。