第1講 深度學(xué)習(xí)簡(jiǎn)介
1) 人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)
2) 深度學(xué)習(xí)的發(fā)展歷程
3) 深度學(xué)習(xí)的應(yīng)用
4) 深度學(xué)習(xí)工具介紹和對(duì)比
第2講　安裝TensorFlow
1) 選擇安裝環(huán)境
2) TensorFlow的安裝
3) 安裝Jupyter Notebook
4) 安裝matplotlib
5) TensorFlow測(cè)試樣例
第3講　TensorFlow基礎(chǔ)
1) TensorFlow計(jì)算模型及計(jì)算圖
2) TensorFlow數(shù)據(jù)模型及張量
3) TensorFlow運(yùn)行模型及會(huì)話(huà)
4) 神經(jīng)網(wǎng)絡(luò)及前向傳播算法簡(jiǎn)介
5) TensorFlow訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型
第4講 深層神經(jīng)網(wǎng)絡(luò)
1) 深度學(xué)習(xí)與深層神經(jīng)網(wǎng)絡(luò)
2) 損失函數(shù)定義
3) 神經(jīng)網(wǎng)絡(luò)優(yōu)化算法
4) 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率的設(shè)置
5) 過(guò)擬合問(wèn)題及滑動(dòng)平均模型
第5講 MNIST數(shù)字識(shí)別
1) MNIST數(shù)據(jù)處理
2) TensorFlow訓(xùn)練神經(jīng)網(wǎng)絡(luò)
3) 不同模型效果比較及變量管理
4) TensorFlow模型持久化
5) TensorFlow實(shí)踐樣例
第6講 圖像識(shí)別與卷積神經(jīng)網(wǎng)絡(luò)
1) 圖像識(shí)別問(wèn)題簡(jiǎn)介及經(jīng)典數(shù)據(jù)集
2) 卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
3) 卷積層和池化層
4) LeNet-5模型和Inception-v3模型
5) TensorFlow實(shí)現(xiàn)遷移學(xué)習(xí)
第7講 圖像數(shù)據(jù)處理
1) TFRecord輸入數(shù)據(jù)格式
2) TensorFlow圖像處理函數(shù)
3) 隊(duì)列與多線程
4) 輸入文件隊(duì)列
5) 組合訓(xùn)練數(shù)據(jù)（batching）
第8講 循環(huán)神經(jīng)網(wǎng)絡(luò)
1) 循環(huán)神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
2) 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（LTSM）結(jié)構(gòu)
3) 雙向循環(huán)和深層循環(huán)神經(jīng)網(wǎng)絡(luò)
4) 樣例應(yīng)用-自然語(yǔ)言建模
5) 樣例應(yīng)用-時(shí)間序列預(yù)測(cè)
第9講 TensorBoard可視化
1)TensorBoard簡(jiǎn)介
2) TensorFlow計(jì)算圖可視化
3) 命名空間與節(jié)點(diǎn)信息
4) 監(jiān)控指標(biāo)可視化
第10講 TensorFlow計(jì)算加速
1) TensorFlow使用GPU
2) 深度學(xué)習(xí)訓(xùn)練并行模式
3) 多GPU并行
4) 分布式TensorFlow原理
5) 分布式TensorFlow模型訓(xùn)練