1.科普 人工神经网络 VS 生物神经网络
2.什么是神经网络 (机器学习)
3.神经网络 梯度下降 (Gradient Descent in Neura
4.科普 神经网络的黑盒不黑
5.1 why
6.2 安装 (Windows, Mac, Linux)
7.3 例子1
8.4 处理结构
9.5 例子2
10.6 Session 会话控制
11.7 Variable 变量
12.8 placeholder 传入值
13.什么是激励函数 (深度学习)
14.9 激励函数 activation function
15.10 例子3 添加层 def add_layer
16.11 例子3 建造神经网络 build a neural network
17.12 例子3 结果可视化 plot result
18.优化器 Optimizer 加速神经网络训练 (深度学习)
19.13 优化器 optimizer
20.14 Tensorboard 可视化好帮手
21.15 Tensorboard 可视化好帮手2
22.16 Classification 分类学习
23.什么是过拟合 (深度学习)
24.17 dropout 解决 overfitting 问题
25.什么是卷积神经网络 CNN (深度学习)
26.18.1 CNN 卷积神经网络
27.18.2 CNN 卷积神经网络
28.18.3 CNN 卷积神经网络
29.19 Saver 保存读取
30.什么是循环神经网络 RNN (深度学习)
31.什么是 LSTM RNN 循环神经网络 (深度学习)
32.20.1 RNN 循环神经网络
33.20.2 RNN lstm 循环神经网络 (分类例子)
34.20.3 RNN lstm (regression 回归例子)
35.20.4 RNN lstm (回归例子可视化)
36.什么是自编码 Autoencoder (深度学习)
37.21 自编码 Autoencoder (非监督学习)
38.22 name_scope variable_scope 命名方式
39.什么是 Batch Normalization 批标准化 (深度学习 de
40.23 Batch normalization 批标准化
41.24 2017年新版更新
42.25 可视化梯度下降公式调参
43.什么是迁移学习 transfer learning
44.26 迁移学习
