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 E3 R3 e7 v9 m( k- |' k: Q( nWindows10 + Anaconda
* v3 T, q: I: v' b
! G1 j/ S" r9 v* c& ~, c# e$ p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
; a0 }, A! j+ Y7 |) S
) k# q3 O- ^8 _) h( i课程简介：
5 y5 q) Q4 A* _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)。
) r7 `4 I& v7 ]9 u/ r! ]/ D, ~" ~5 e     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。
# s& @+ j1 ~/ b0 e
课程大纲：
" ~, ]% t# J* o& b第一课 Tensorflow简介，Anaconda安装，Tensorflow的CPU版本安装。
6 w# }" P% J- |3 _  D  ?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。
6 t9 ]8 x/ g. e! t! D$ Z; a9 f第三课 Tensorflow线性回归以及分类的简单使用。
# d- p8 \" M, p+ h/ u: d; x第四课 softmax，交叉熵(cross-entropy)，dropout以及Tensorflow中各种优化器的介绍。
第五课 卷积神经网络CNN的讲解，以及用CNN解决MNIST分类问题。
6 ]5 }' u$ h" v- i0 w第六课 使用Tensorboard进行结构可视化，以及网络运算过程可视化。
# F2 R/ X; t8 z1 X; }3 k/ H8 c第七课 递归神经网络LSTM的讲解，以及LSTM网络的使用。
, V9 M; G2 p! r+ K6 y) i3 w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。
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。
1 X/ C3 G  @- H, [( Z$ o第十课 使用Tensorflow进行验证码识别。
: ?3 B! P6 {  d9 C/ O第十一课 Tensorflow在NLP中的使用(一)。
6 l( j5 p! q1 Q5 P3 D! R- R( v第十二课 Tensorflow在NLP中的使用(二)。
0 C+ e, `& F! x) q5 N( m! |1 `