163分钟
深度学习框架——全面解析Tensorflow
作为面向深度学习算法的科学计算库，Tensorflow往往被用于执行大规模的数值计算。它可以通过几行代码轻松访问 GPU 并构建复杂神经网络。基于 Tensorflow技术，我们可以在很大程度上简化深…
作为面向深度学习算法的科学计算库，Tensorflow往往被用于执行大规模的数值计算。它可以通过几行代码轻松访问 GPU 并构建复杂神经网络。基于 Tensorflow技术，我们可以在很大程度上简化深度学习，让神经网络模型应用变得非常简单。
本门课从 Tensorflow 的基础概念出发，全面展示了 Tensorflow 在算法运用过程的强大性能。 除此之外，我们还将手把手带领学员使用 Tensorflow 逐步实现卷积神经网络和递归神经网络的网络架构，让学员切身体验 Tensorflow在深度学习算法中的重要地位的同时，在实际应用过程帮助学员进一步掌握 Tensorflow 的综合应用方法。
一、Tensorflow简介与安装
二、Tensorflow中的变量
三、变量常用操作
四、实现线性回归算法
五、Mnist数据集简介
六、逻辑回归算法
七、神经网络结构
八、 卷积网络结构基本定义
九、卷积神经网络迭代
十、图像分类任务
十一、RNN网络基本架构
十二、实现RNN网络架构
十三、RNN实现自己的小demo
十四、RNN预测时间序列
唐宇迪
同济大学硕士，华东理工大学博士