第1章 課程介紹
介紹機器學習的背景，介紹tensorflow的背景，介紹課程python，numpy，virtualenv等前置學習內容，安裝tensorflow
1-1 導學
1-2 課程安排
1-3 深度學習背景
1-4 tensorflow優勢
1-5 開發環境
1-6 virtualenv簡介
1-7 python常用操作
1-8 numpy常用操作01
1-9 numpy常用操作02
1-10 Mac下TensorFlow安裝
1-11 Windows下TensorFlow安裝
1-12 ubuntu下TensorFlow安裝

第2章 TensorFlow原理與核心api
本章節會中重點講解tensorflow基礎 ：tensorflow原理、核心api以及重要函數。並且會對驗證碼識別項目進行分析。
2-1 Tensorflow原理
2-2 TensorFlow核心api1
2-3 TensorFlow核心api2
2-4 tensorflow基礎函數01
2-5 tensorflow基礎函數02
2-6 tensorflow基礎函數03
2-7 可視化學習過程
2-8 邏輯回歸01
2-9 邏輯回歸02
2-10 邏輯回歸03
2-11 損失函數01
2-12 損失函數02
2-13 損失函數03
2-14 梯度下降01
2-15 梯度下降02
2-16 驗證碼識別問題分析
2-17 驗證碼生成程序分析01
2-18 驗證碼生成程序分析02

第3章 邏輯回歸模型與線性回歸模型
邏輯回歸模型簡介，學習損失函數，和梯度下降方法，使用邏輯回歸進行驗證碼識別。
3-1 邏輯回歸模型01
3-2 邏輯回歸模型02
3-3 邏輯回歸模型訓練和評價01
3-4 邏輯回歸模型訓練和評價02
3-5 線性回歸模型01
3-6 線性回歸模型02
3-7 線性回歸模型03
3-8 線性回歸模型04

第4章 全連接神經網絡
全連接神經網絡模型簡介，學習ReLU函數，使用全連接神經網絡進行驗證碼識別。
4-1 神經網絡簡介
4-2 全連接神經網絡01
4-3 全連接神經網絡02
4-4 ReLU激勵函數01
4-5 ReLU激勵函數02
4-6 全連接模型01
4-7 全連接模型02

第5章 卷積神經網絡
卷積神經網絡模型簡介，學習卷積，池化得運算，學會使用的dropout，使用全連接神經網絡進行驗證碼識別。
5-1 卷積神經網絡簡介01
5-2 卷積神經網絡簡介02
5-3 卷積層01
5-4 卷積層02
5-5 卷積層03
5-6 卷積層04
5-7 卷積層05
5-8 池化層01
5-9 池化層02
5-10 池化層03
5-11 Dropout01
5-12 Dropout02
5-13 卷積神經網絡搭建01
5-14 卷積神經網絡搭建02
5-15 卷積神經網絡搭建03
5-16 卷積神經網絡搭建04
5-17 卷積神經網絡搭建05
5-18 卷積神經網絡訓練01
5-19 卷積神經網絡訓練02
5-20 卷積神經網絡訓練03
5-21 卷積神經網絡訓練04

第6章 課程總結
回歸課程內容，總結模型發展過程，對行業進行展望。
6-1 課程回顧01
6-2 課程回顧02
6-3 課程回顧03
6-4 行業展望01
6-5 行業展望02

下載地址:百度網盤下載

快速上手深度學習 掌握TensorFlow模型構建與開發