Tensorflow 简介
1.1 科普: 人工神经网络 VS 生物神经网络
1.2 什么是神经网络 (Neural Network)
1.3 神经网络 梯度下降
1.4 科普: 神经网络的黑盒不黑
1.5 为什么选 Tensorflow?
1.6 Tensorflow 安装
1.7 神经网络在干嘛
Tensorflow 基础构架
2.1 处理结构
2.2 例子2
2.3 Session 会话控制
2.4 Variable 变量
2.5 Placeholder 传入值
2.6 什么是激励函数 (Activation Function)
2.7 激励函数 Activation Function
建造我们第一个神经网络
3.1 例子3 添加层 def add_layer()
3.2 例子3 建造神经网络
3.3 例子3 结果可视化
3.4 加速神经网络训练 (Speed Up Training)
3.5 优化器 optimizer
可视化好助手 Tensorboard
4.1 Tensorboard 可视化好帮手 1
4.2 Tensorboard 可视化好帮手 2
高阶内容
5.1 Classification 分类学习
5.2 什么是过拟合 (Overfitting)
5.3 Dropout 解决 overfitting
5.4 什么是卷积神经网络 CNN (Convolutional Neural Network)
5.5 CNN 卷积神经网络 1
5.6 CNN 卷积神经网络 2
5.7 CNN 卷积神经网络 3
5.8 Saver 保存读取
5.9 什么是循环神经网络 RNN (Recurrent Neural Network)
5.10 什么是 LSTM 循环神经网络
5.11 RNN 循环神经网络
5.12 RNN LSTM 循环神经网络 (分类例子)
5.13 RNN LSTM (回归例子)
5.14 RNN LSTM (回归例子可视化)
5.15 什么是自编码 (Autoencoder)
5.16 自编码 Autoencoder (非监督学习)
5.17 scope 命名方法
5.18 什么是批标准化 (Batch Normalization)
5.19 Batch Normalization 批标准化
5.20 Tensorflow 2017 更新
5.21 用 Tensorflow 可视化梯度下降
5.22 什么是迁移学习 Transfer Learning
5.23 迁移学习 Transfer Learning
https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/
https://github.com/fengdu78/deeplearning_ai_books