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：
: Z( V, Q$ W+ b1 xWindows10 + Anaconda

收获预期：
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

  f7 ^; c; ~, \3 c% `课程简介：
: n- H/ ]+ ?+ Y2 wTensorflow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)。
     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。

课程大纲：
9 T8 n9 [: M$ K  b7 |第一课 Tensorflow简介，Anaconda安装，Tensorflow的CPU版本安装。
1 M' O1 }4 F7 z5 x! b3 {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。
第三课 Tensorflow线性回归以及分类的简单使用。
1 p5 O% z* q2 `, ^, x第四课 softmax，交叉熵(cross-entropy)，dropout以及Tensorflow中各种优化器的介绍。
; j5 v' ]! M+ l! X5 b" W: h7 p8 U7 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。
; u5 F; O, X" r  V: m第七课 递归神经网络LSTM的讲解，以及LSTM网络的使用。
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。
4 @8 V7 i2 \( N% Q* p* y, P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。
第十课 使用Tensorflow进行验证码识别。
* w0 |3 b6 P4 B* g3 S第十一课 Tensorflow在NLP中的使用(一)。
第十二课 Tensorflow在NLP中的使用(二)。