GV

GeezerVison

The World Wide Web, restored to 800 pixels of glory.

Home|About|Gaming cabinet|Archives|How it works|Starter sites

On this site

  • 莫烦PYTHON
  • 大家说
  • 赞助
  • About
  • 教程 ▾
  • 推荐学习顺序
  • 基础
  • 多进程 multiprocessing
  • 多线程 threading
  • 窗口视窗 Tkinter
  • 有趣的机器学习
  • 强化学习 Reinforcement Learning
  • 进化算法 Evolutionary Algorithm
  • PyTorch

This view

  • Original page
  • New address

GeezerVison is showing morvanzhou.github.io — Tensorflow 教程系列 | 莫烦Python

网站迁移通知:
此老域名不再更新, 莫烦Python 已迁移至新域名 mofanpy.com
Tensorflow 教程系列

Tensorflow 教程系列

  • Tensorflow 简介

    1. 1.1 科普: 人工神经网络 VS 生物神经网络
    2. 1.2 什么是神经网络 (Neural Network)
    3. 1.3 神经网络 梯度下降
    4. 1.4 科普: 神经网络的黑盒不黑
    5. 1.5 为什么选 Tensorflow?
    6. 1.6 Tensorflow 安装
    7. 1.7 神经网络在干嘛

  • Tensorflow 基础构架

    1. 2.1 处理结构
    2. 2.2 例子2
    3. 2.3 Session 会话控制
    4. 2.4 Variable 变量
    5. 2.5 Placeholder 传入值
    6. 2.6 什么是激励函数 (Activation Function)
    7. 2.7 激励函数 Activation Function

  • 建造我们第一个神经网络

    1. 3.1 例子3 添加层 def add_layer()
    2. 3.2 例子3 建造神经网络
    3. 3.3 例子3 结果可视化
    4. 3.4 加速神经网络训练 (Speed Up Training)
    5. 3.5 优化器 optimizer

  • 可视化好助手 Tensorboard

    1. 4.1 Tensorboard 可视化好帮手 1
    2. 4.2 Tensorboard 可视化好帮手 2

  • 高阶内容

    1. 5.1 Classification 分类学习
    2. 5.2 什么是过拟合 (Overfitting)
    3. 5.3 Dropout 解决 overfitting
    4. 5.4 什么是卷积神经网络 CNN (Convolutional Neural Network)
    5. 5.5 CNN 卷积神经网络 1
    6. 5.6 CNN 卷积神经网络 2
    7. 5.7 CNN 卷积神经网络 3
    8. 5.8 Saver 保存读取
    9. 5.9 什么是循环神经网络 RNN (Recurrent Neural Network)
    10. 5.10 什么是 LSTM 循环神经网络
    11. 5.11 RNN 循环神经网络
    12. 5.12 RNN LSTM 循环神经网络 (分类例子)
    13. 5.13 RNN LSTM (回归例子)
    14. 5.14 RNN LSTM (回归例子可视化)
    15. 5.15 什么是自编码 (Autoencoder)
    16. 5.16 自编码 Autoencoder (非监督学习)
    17. 5.17 scope 命名方法
    18. 5.18 什么是批标准化 (Batch Normalization)
    19. 5.19 Batch Normalization 批标准化
    20. 5.20 Tensorflow 2017 更新
    21. 5.21 用 Tensorflow 可视化梯度下降
    22. 5.22 什么是迁移学习 Transfer Learning
    23. 5.23 迁移学习 Transfer Learning
You are visitor 01402520 — GeezerVison does not store the pages you look up.
Best viewed with Netscape Navigator 4.7 or Internet Explorer 6 at 800×600. No cookies required.