以下是以后博客的大纲,持续更新中......
目录
一、深度学习--Tensorflow API 篇 (可能含Numpy API,Pandas API)
Tensorflow 核心概念 Tensor、Operation、Session、Graph 代码级别解密和原理级别剖析之 Tensor (一)
Tensorflow 核心概念 Tensor、Operation、Session、Graph 代码级别解密和原理级别剖析之 Operation (二)
Tensorflow 核心概念 Tensor、Operation、Session、Graph 代码级别解密和原理级别剖析之 Session (三)
Tensorflow 核心概念 Tensor、Operation、Session、Graph 代码级别解密和原理级别剖析之 Graph (四)
数据流图的构造和运行
TF 中涉及 Variable 的几个点:assign、Shape、name_scope 、variable_scope 、broadcasting 概念
TF 喂数据方式:Constant、feed_dict、py_function、DataSet
TF 中的 Feature Column 和 Feature Transformer (特征处理)
TF 中的 if 、 loop 、control_dependencies
TF 模型保存恢复、metric 保存、TensorBoard 可视化
TF 编程框架 之 SessionRun
TF 编程框架 之 Estimator
TF 在 GPU 上运行
TF 在集群上分布式运行
TF Eager 和 如何调试 TF 程序(tfdbg、print)
TF 模型发布成 Server 方式
三、深度学习--传统模型理论算法 和 模型在 Tensorflow 实现代码剖析 篇
LR 线性回归和逻辑回归模型
MLP 多层感知器模型
反向传播算法和梯度下降算法
若干 损失函数
CNN 卷积神经网络
RNN 循环神经网络
Attention 注意力机制
四、深度学习--梯度优化器理论算法 和 算法在 Tensorflow 实现代码剖析 篇
SGD 优化器
Momentum 优化器
Adagrad 优化器
AdaDelta 优化器
RmsProp 优化器
Adam 优化器
五、深度学习--深度学习 Tips 篇 (可能与其他篇有重叠)