Tensorflow & Python3 做神經網絡（視頻教程）

• Tensorflow 簡介

  1. 1.1 科普: 人工神經網絡 VS 生物神經網絡
  2. 1.2 什么是神經網絡 (Neural Network)
  3. 1.3 神經網絡 梯度下降
  4. 1.4 科普: 神經網絡的黑盒不黑
  5. 1.5 為什么選 Tensorflow?
  6. 1.6 Tensorflow 安裝
  7. 1.7 神經網絡在干嘛

• Tensorflow 基礎構架

  1. 2.1 處理結構
  2. 2.2 例子2
  3. 2.3 Session 會話控制
  4. 2.4 Variable 變量
  5. 2.5 Placeholder 傳入值
  6. 2.6 什么是激勵函數 (Activation Function)
  7. 2.7 激勵函數 Activation Function

• 建造我們第一個神經網絡

  1. 3.1 例子3 添加層 def add_layer()
  2. 3.2 例子3 建造神經網絡
  3. 3.3 例子3 結果可視化
  4. 3.4 加速神經網絡訓練 (Speed Up Training)
  5. 3.5 優化器 optimizer

• 可視化好助手 Tensorboard

  1. 4.1 Tensorboard 可視化好幫手 1
  2. 4.2 Tensorboard 可視化好幫手 2

• 高階內容

  1. 5.1 Classification 分類學習
  2. 5.2 什么是過擬合 (Overfitting)
  3. 5.3 Dropout 解決 overfitting
  4. 5.4 什么是卷積神經網絡 CNN (Convolutional Neural Network)
  5. 5.5 CNN 卷積神經網絡 1
  6. 5.6 CNN 卷積神經網絡 2
  7. 5.7 CNN 卷積神經網絡 3
  8. 5.8 Saver 保存讀取
  9. 5.9 什么是循環神經網絡 RNN (Recurrent Neural Network)
  10. 5.10 什么是 LSTM 循環神經網絡
  11. 5.11 RNN 循環神經網絡
  12. 5.12 RNN LSTM 循環神經網絡 (分類例子)
  13. 5.13 RNN LSTM (回歸例子)
  14. 5.14 RNN LSTM (回歸例子可視化)
  15. 5.15 什么是自編碼 (Autoencoder)
  16. 5.16 自編碼 Autoencoder (非監督學習)
  17. 5.17 scope 命名方法
  18. 5.18 什么是批標准化 (Batch Normalization)
  19. 5.19 Batch Normalization 批標准化
  20. 5.20 Tensorflow 2017 更新
  21. 5.21 用 Tensorflow 可視化梯度下降
  22. 5.22 什么是遷移學習 Transfer Learning
  23. 5.23 遷移學習 Transfer Learning

 

https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/