首页 > TensorFlow教程 阅读数:43

TensorFlow教程(从入门到精通)

TensorFlow图标TensorFlow 是一个开源的、基于 Python 的、目前最热门的机器学习框架。

TensorFlow 在图形分类、音频处理、推荐系统和自然语言处理等场景下有着丰富的应用,而且支持多种客户端语言下的安装和运行。兼容运行的语言除 Python 外还有 C/C++、Java、Go、R语言等。

本套教程从机器学习和 TensorFlow 的基础开始,针对初学者只选择实际应用中的必需知识,对前馈神经网络、卷积神经网络、循环神经网络、深度强化学习进行了浅显易懂的阐述,其中包括很多具体的 TensorFlow 示例,最后的项目实战能够教会初学者运用深度学习解决实际问题,从而进入人工智能这一前沿的热门领域。

读懂这套 TensorFlow 教程,能让初学者快速地了解和掌握这一工具,并能搭建常用的神经网络模型。

教程目录
1. 人工智能简介
2. TensorFlow2.0简介
3. 神经网络的基本结构
4. 卷积神经网络的特征和结构
5. 简单循环神经网络及基本结构
6. 从AlphaGo看深度强化学习
7. Chars74K—CNN实战项目
8. 机器学习是什么
9. TensorFlow的相关术语
10. 神经网络中常用的激活函数
11. 卷积是什么
12. 循环神经网络的计算和参数更新
13. 强化学习的基本概念(实例讲解)
14. CIFAR-10—CNN实战项目
15. 机器学习的基本流程
16. TensorFlow的架构
17. 神经网络中常用的损失函数
18. 卷积层的基本结构
19. 常用的循环神经网络结构
20. 马尔可夫决策过程(MDP)
21. 新闻文本分类—RNN实战项目
22. 数据预处理的常用方式
23. TensorFlow安装教程(图示版)
24. 神经网络中的输出单元
25. 卷积神经网络池化层的作用和种类
26. TensorFlow实现循环神经网络
27. 最优价值函数和贝尔曼方程
28. 聊天机器人—RNN实战项目
29. 特征工程的主要内容
30. Tensorflow "tf.data" API的使用
31. 神经网络实现MNIST手写数字识别
32. 卷积神经网络实现图像分类
33. 循环神经网络长期依赖问题及优化
34. 强化学习算法:价值迭代和策略迭代算法
35. DQN算法实现“CartPole”游戏—DRL实战项目
36. 模型的评估和选择
37. TensorFlow "tf.keras"API的应用
38. LSTM(长短期记忆网络)的结构与计算
39. 蒙特卡罗方法
40. 深度学习的发展历程
41. TensorFlow GPU安装教程(图示版)
42. GRU(门控循环单元)网络结构与计算
43. 时序差分学习算法
44. 深度学习的应用领域
45. TensorFlow GPU的使用
46. TensorFlow实现LSTM和GRU
47. 值函数近似算法
48. 循环神经网络的应用
49. 策略搜索(强化学习方法)
50. 浅谈注意力模型
51. Q-Learning算法实现“Frozen Lake”游戏
52. REINFORCE算法实现“CartPole-v1”游戏
53. Actor-Critic算法实现“MountainCar-v0”游戏
54. DQN和DDPG深度强化学习的2个算法
相关链接: