近幾年深度學習技術在學術界和工業界都得到了廣泛的應用和傳播。深度學習的傳播不僅是由于算法的進步，更是因為深度學習技術在各行各業都取得了非常好的應用效果。
? ???
深度學習作為一門理論和實踐相結合的學科，在新的算法理論不斷涌現的同時，各種深度學習框架也不斷出現在人們視野。比如Torch，MxNet，theano，Caffe等等。Google在2015年11月9日宣布開源自己的第二代機器學習系統Tensorflow。深度學習是未來新產品和新技術的一個關鍵部分。在這個領域的研究是全球性的，并且發展很快，卻缺少一個標準化的工具。Google希望把Tensorflow做成深度學習行業的標準。
? ???
Tensorflow支持python和c++語言，支持CNN、RNN和LSTM等算法，可以被用于語音識別或圖像處理等多項深度學習領域。它可以在一個或多個CPU或GPU中運行。它可以運行在嵌入式系統(如手機，平板電腦)中，PC中以及分布式系統中。它是目前全世界最火爆的深度學習平臺(沒有之一)。
第一部份 Tensorflow簡介，Anaconda安裝，Tensorflow的CPU版本安裝。
第二部份 Tensorflow的基礎使用，包括對圖(graphs),會話(session),張量(tensor),變量(Variable)的一些解釋和操作。
第三部份 Tensorflow線性回歸以及分類的簡單使用。
第四部份 softmax，交叉熵(cross-entropy)，dropout以及Tensorflow中各種優化器的介紹。
第五部份 卷積神經網絡CNN的講解，以及用CNN解決MNIST分類問題。
第六部份 使用Tensorboard進行結構可視化，以及網絡運算過程可視化。
第七部份 遞歸神經網絡LSTM的講解，以及LSTM網絡的使用。
第八部份 保存和載入模型，使用Google的圖像識別網絡inception-v3進行圖像識別。
第九部份 Tensorflow的GPU版本安裝。設計自己的網絡模型，并訓練自己的網絡模型進行圖像識別。
第十部份 使用Tensorflow進行驗證碼識別。
第十一部份 Tensorflow在NLP中的使用(一)。
第十二部份 Tensorflow在NLP中的使用(二)。 |
合作伙伴與授權機構
總部李老師
