人工智能 深度学习框架Tensorflow学习与应用 神经网络视频教程【12课时】

冰点也疯狂

课程环境：
6 ~# y' [' h  Z# B1 pWindows10 + Anaconda
; y9 |( V' c4 j; _  \) }9 \
+ p  E8 c' Q9 j% u2 F收获预期：
+ u* Z' i( z3 ^% S. N: K  [- k, E掌握Tensorflow和Tensorboard的基本使用，可熟练使用Tensorflow做图像识别及做验证码识别，深度理解和掌握Tensorflow在NLP中的使用
3 {' d7 t: u; S+ n
课程简介：
Tensorflow支持python和c++语言，支持CNN、RNN和LSTM等算法，可以被用于语音识别或图像处理等多项深度学习领域。它可以在一个或多个CPU或GPU中运行。它可以运行在嵌入式系统(如手机，平板电脑)中，PC中以及分布式系统中。它是目前全世界最火爆的深度学习平台(没有之一)。
6 z; J$ ^# q6 ?5 w0 T$ j- U     课程内容基本上是以代码编程为主，也会有少量的深度学习理论内容。课程会从Tensorflow最基础的图(graphs),会话(session),张量(tensor),变量(Variable)等一些最基础的知识开始讲起，逐步讲到Tensorflow的基础使用，以及在Tensorflow中CNN和LSTM的使用。在课程的后面会带着大家做几个实际的项目，比如训练自己的模型去进行图像识别，使用Tensorflow进行验证码的识别，以及Tensorflow在NLP中的使用。
9 Q  ~4 q2 _5 S
' B. w5 M0 E. ~+ b9 w* f, `( B4 w4 R课程大纲：
第一课 Tensorflow简介，Anaconda安装，Tensorflow的CPU版本安装。
4 x0 |# O- F' H0 e! p/ d6 u7 u6 x第二课 Tensorflow的基础使用，包括对图(graphs),会话(session),张量(tensor),变量(Variable)的一些解释和操作。
) \: h5 k6 |2 A/ L0 c: g. h) Q2 Z第三课 Tensorflow线性回归以及分类的简单使用。
$ }% i1 a2 x6 C+ a* j: R8 \第四课 softmax，交叉熵(cross-entropy)，dropout以及Tensorflow中各种优化器的介绍。
2 I$ D: M1 k  c' K3 i3 C6 E. F第五课 卷积神经网络CNN的讲解，以及用CNN解决MNIST分类问题。
第六课 使用Tensorboard进行结构可视化，以及网络运算过程可视化。
第七课 递归神经网络LSTM的讲解，以及LSTM网络的使用。
) Z$ @) L3 d0 u  ~, N第八课 保存和载入模型，使用Google的图像识别网络inception-v3进行图像识别。
; C5 E/ m4 J) V& D( |第九课 Tensorflow的GPU版本安装。设计自己的网络模型，并训练自己的网络模型进行图像识别。
5 I- H! \: W- N( w第十课 使用Tensorflow进行验证码识别。
, H  l6 j0 q6 a+ V5 p第十一课 Tensorflow在NLP中的使用(一)。
7 s( s% V  a% d/ |% n8 `第十二课 Tensorflow在NLP中的使用(二)。
- n+ a# l) r- l* _
4 r" X* \1 \1 B1 _: c) ^& c