Please enable JavaScript.
Coggle requires JavaScript to display documents.
TensorFlow (第 5 章 MNIST 数字识别问题 (5.2 神经网络模型训练及不同模型结果对比 (5.2.1 TensorFlow…
TensorFlow
第 5 章 MNIST 数字识别问题
5.1 MNIST 数据处理
5.2 神经网络模型训练及不同模型结果对比
5.2.1 TensorFlow 训练神经网络
5.2.2 使用验证数据集判断模型效果
5.2.3 不同模型效果比较
5.3 变更管理
5.4 TensorFlow 模型持久化
5.4.1 持久化代码实现
5.4.2 持久化原理及数据格式
5.5 TensorFlow 最佳实践样例程序
小结
第 6 章 图像识别与卷积神经网络
6.1 图像识别问题简介及经典数据集
6.2 卷积神经网络简介
6.3 卷积神经网络常用结构
6.3.1 卷积层
6.3.2 池化层
6.4 经典卷积网络模型
6.4.1 LeNet-5 模型
6.4.2 Inception-v3 模型
6.5 卷积神经网络迁移学习
6.5.1 迁移学习介绍
6.5.2 TensorFlow 实现迁移学习
小结
第 1 章 深度学习简介
1.2 深度学习的发展历程
1.3 深度学习的应用
1.3.1 计算机视觉
1.3.2 语音识别
1.3.3 自然语言处理
1.3.4 人机博弈
1.1 人工智能、机器学习与深度学习
1.4 深度学习工具介绍和对比
小结
第 3 章 TensorFlow 入门
3.1 TensorFlow 计算模型 ------ 计算图
3.1.1 计算图的概念
3.1.2 计算图的使用
3.3 TensorFlow 运行模型 ------ 会话
小结
3.4 TensorFlow 实现神经网络
3.4.1 TensorFlow 游乐场及神经网络简介
3.4.2 前向传播算法简介
3.4.3 神经网络参数与 TensorFlow 变量
3.4.4 通过 TensorFlow 训练神经网络模型
3.4.5 完整神经网络样例程序
3.2 TensorFlow 数据模型 ------ 张量
3.2.2 张量的使用
3.2.1 张量的概念
第 4 章 深层神经网络
4.1 深度学习与深层神经网络
4.1.2 激活函数实现去线性化
4.1.3 多层网络解决民或运算
4.1.1 线性模型的局限性
4.2 损失函数的定义
4.2.1 经典损失函数
4.2.2 自定义损失函数
4.3 神经网络优化算法
4.4 神经网络进一步优化
4.4.2 过拟合问题
4.4.3 滑动平均模型
4.4.1 学习率的设置
小结
第 8 章 循环神经网络
8.3 循环神经网络的变种
8.3.1 双向循环神经网络和深层循环神经网络
8.3.2 循环神经网络的 dropout
8.4 循环神经网络样例应用
8.4.1 自然语言建模
8.4.2 时间序列预测
8.2 长短时记忆网络（LTSM）结构
小结
8.1 循环神经网络简介
第 10 章 TensorFlow 计算加速
10.3 多 GPU 并行
10.4 分布式 TensorFlow
10.4.2 分布式 TensorFlow 模型训练
10.4.3 使用 Caicloud 运行分布式 TensorFlow
10.4.1 分布式 TensorFlow 原理
10.2 深度学习训练并行模式
小结
10.1 TensorFlow 使用 GPU
第 2 章 TensorFlow 环境搭建
2.2 TensorFlow 安装
2.2.1 使用 Docker 安装
2.2.2 使用 pip 安装
2.2.3 从源代码编译安装
2.3 TensorFlow 测试样例
2.1 TensorFlow 的主要依赖包
2.1.1 Protocol Buffer
2.1.2 Bazel
小结
第 7 章 图像数据处理
7.1 TFRecord 输入数据格式
7.1.1 TFRecord 格式介绍
7.1.2 TFRecord 样例程序
7.3 多线程输入数据处理框架
7.3.2 输入文件队列
7.3.3 组合训练数据（batching）
7.3.1 队列与多线程
7.3.4 输入数据处理框架
7.2 图像数据处理
7.2.1 TensorFlow 图像处理函数
7.2.2 图像预处理完整样例
小结
第 9 章 TensorBoard 可视化
9.2 TensorFlow 计算图可视化
9.2.1 命名空间与 TensorBoard 图上节点
9.2.2 节点信息
9.3 监控指标可视化
9.1 TensorBoard 简介
小结
实战 Goggle 深度学习框架