适用人群
1、对深度学习感兴趣的学员
2、想从事深度学习相关工作的学员
3、想储备深度学习技能的学员
课程目标
1、了解Tensorflow基本框架
2、学会Tensorflow的基本应用，比如优化器的使用
3、学会Dropout的使用等待。
4、学会使用Tensorflow中的卷积神经网络CNN以及长短时记忆网络LSTM
5、学会使用Tensorboard去调试网络
6、学会Tensorflow的一些高级应用，如TFRecord，Slim，队列等。
7、学会使用Tensorflow完成图像识别，验证码识别，文本分类，语音分类等项目
讲师介绍
-
对机器学习、深度学习神经网络等领域有多年开发研究经验，精通算法原理与编程实践。曾完成过多项图像识别，目标识别，语音识别的实际项目，经验丰富。关注深度学习领域各种开源项目，如TensorFlow，Caffe，Torch等。喜欢理论与实践相结合的教学风格，课程编排由浅入深，体系清晰完整。
课程大纲
1.1 tensorflow简介
1.2 Anaconda的安装
1.3 Tensorflow的安装
|
2.1 创建图-启动图
2.2 变量
2.3 fetch and feed
2.4 Tensorflow简单案例
|
3.1 非线性回归
3.2 MNIST数据集和Softmax讲解
3.3 MNIST数据集分类简单版本
|
4.1 交叉熵(cross-entropy)
4.2 过拟合以及Dropout介绍
4.3 优化器Optimizer
4.4 优化器的使用
4.5 实操：网络优化
|
5.1 Tensorboard网络结构
5.2 Tensorboard网络运行
5.3 Tensorboard可视化
|
6.1 卷积神经网络CNN介绍
6.2 CNN应用于MNIST数据集分类
6.3 实操：调试CNN结构和运行结果
|
7.1 递归神经网络RNN
7.2 长短时记忆网络LSTM
7.3 LSTM网络程序
7.4 outputs和final state详解
|
8.1 参数保存
8.2 模型保存
8.3 下载Google图像识别网络inception-v3并查看结构
8.4 实操：使用inception-v3做各种图像的识别
|
9.1 GPU版本的Tensorflow安装
9.2 Retrain图像识别模型
9.3 实操：使用TFRecord训练图像识别模型
|
10.1 生成验证码
10.2 多任务学习
10.3 使用多任务学习完成验证码识别
10.4 检验验证码识别效果
10.5 实操：动手实现验证码识别
|
11.1 word2vec介绍和实现
11.2 实操：使用CNN完成文本分类
|
12.1 语音信号处理
12.2 实操：使用LSTM完成语音分类
|
