《tensorflow基礎快速入門》課程的目的是幫助廣大的深度學習愛好者，逐層深入，步步精通當下最流行的深度學習框架tensorflow。該課程包含tensorflow執行原理，tensor上面常見的操作，常見api的使用，公式推導，tensorboard，張量形狀變換，張量上的資料操作，算術操作，矩陣操作，規約操作，序列比較和索引，共享變數，graph圖的操作，tensorflow分布式部署，多層神經網路的搭建，神經元擬合的原理及生物智慧型方面得到的靈感。幫助大家一步乙個腳印，把tensorflow技術學紮實，學精通。
現在很多的深度學習技術例如cnn卷積神經網路，rnn迴圈神經網路，lstm，blstm,gan，聊天機械人，風格遷移，物體檢測等，都可以使用tensorflow來實現，並且在github上可以找到很多這方面優秀的開源專案。那實際上這些專案都是像搭積木一樣，使用tensorflow裡面的基本的操作搭建起來的，因此學好了tensorflow的基礎知識，可以快速的切入深度學習任意感興趣的方向進行研究。
深度學習之聯邦學習
聯邦學習 federated learning 能夠讓ai演算法借助位於不同站點的資料中獲得經驗。該方法能夠讓多個組織協作開發模型，而且不需要彼此之間直接共享敏感的資料 在多次訓練迭代過程中，共享模型所覆蓋的資料範圍會比任何乙個組織內部擁有的資料都要大得多。難點 不僅僅是資料量的問題，資料集還需要極...
深度學習之遷移學習
遷移學習 transfer learning 是一種機器學習方法，就是把為任務 a 開發的模型作為初始點，重新使用在為任務 b 開發模型的過程中。遷移學習是通過從已學習的相關任務中轉移知識來改進學習的新任務，雖然大多數機器學習演算法都是為了解決單個任務而設計的，但是促進遷移學習的演算法的開發是機器學...
動手學深度學習之深度學習基礎
資料集的形式主要有三種 訓練集測試集 測試資料集不可以用來調參 驗證集 k折交叉驗證 把原始資料分成k組，每次訓練時，使用k 1個子資料集訓練，使用乙個作為驗證，最後通過k次求取訓練誤差和驗證誤差的平均。過擬合 overfitting 模型的訓練誤差遠小於它在測試資料集上的誤差 欠擬合 underf...