首页 > TensorFlow教程
阅读数:43
TensorFlow教程(从入门到精通)
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:
- TensorFlow官方网站:https://tensorflow.google.cn/
- TensorFlow百度百科解释:https://baike.baidu.com/item/TensorFlow/18828108
- Python 官网:https://www.python.org/