`Make Smart Things with TensorFlow`

课程内容：

第1章人工/机器智能的发展

1.1 人工/机器智能

1.1.1 人工/机器智能的定义
1.1.2 人工/机器智能的分类

1.2 深度学习

1.2.1 人工/机器智能的神经网络方法
1.2.2 人工神经元与人工神经网络
1.2.3 神经网络的复兴

1.3. 机器学习

1.3.1 机器学习的基本原理
1.3.2 机器学习泛化能力
1.3.3 大数据是深度学习基础

第2章深度学习

2.1. 深度学习原理

2.1.1 人工神经元
2.1.2 多层人工神经网络
2.1.3 神经网络训练

2.2典型神经网络架构

2.2.1 卷积网络-CNN
2.2.2 循环网络-RNN
2.2.3 长短时记忆循环网络
2.2.4 门控循环单元循环网络

2.3. 机器感知

2.3.1 语音识别
2.3.2 计算机视觉

2.4. 深度学习实践

2.4.1 建模工具
2.4.2 软硬件工具
2.5. 小结

第3章强化学习

3.1.强化学习基础

3.1.1 强化学习
3.1.2 深度强化学习
3.1.3强化学习框架

3.2计算机围棋

3.2.1 围棋游戏
3.2.2 蒙特卡洛树搜索MCTS
3.2.3 基于卷积网络的围棋程序

3.3阿尔法围棋的原理

3.3.1 阿尔法围棋团队
3.3.2 深度卷积网络
3.3.3 结合策略网络和价值网络的蒙特卡洛树搜索
3.3.4 阿尔法围棋技术总结

3.4小结

第4章TensorFlow简介

4.1.TensorFlow 简介

4.2. TensorFlow使用

4.2.1 TensorFlow起步
4.2.2 TensorFlow 数据的结构
4.2.3. TensorFlow 工作流程

4.3. Tensor运算

4.4. 导入实验数据

4.4.1 Numpy Array方法
4.4.2 TensorFlow组件方法
4.4.3 TensorFlow示例

4.5. TensorBoard示例

4.6. 小结

第5章 Keras神经网络框架

5.1.Keras简介

5.2.Keras 组织结构

5.2.1 Models
5.2.2 Core layers
5.2.3 Layers
5.2.4 Activations
5.2.5 Optimizers

5.3. Keras实践

5.3.1 keras安装
5.3.2 keras使用

5.4.小结

第6章声控智能1-预处理与训练

6.1. 声控智能

6.1.1 语音指令
6.1.2 语音频谱图
6.1.3 语音文件录音

6.2. 实验过程

6.2.1 语音数据预处理
6.2.2 语音识别网络
6.2.3 TensorFlow/Keras使用

6.3. 小结

第7章声控智能2-部署

7.1 网站端-在线推断

7.1.1 云知音网站功能
7.1.2 Flask 网站搭建
7.1.3 Flask+Keras实现

7.2 移动端-离线推断

7.2.1 移动端的网络模型文件
7.2.2 安卓平台的TensorFlow库生成
7.2.3 安卓应用的TensorFlow库调用
7.2.4 安卓应用的录音功能调用
7.2.5 快速集成开发

7.3. 小结

第8章 PYNQ语音识别

8.1 PYNQ

8.1.1 PYNQ简介
8.1.2 PYNQ-Z1开发板
8.1.3 Jupyter Notebook

8.2 实验设计

8.2.1 PYNQ设置
8.2.2 服务器端设置

8.3 实验过程

8.3.2 Audio Input
8.3.3 传送云端

第9章 TX1对象检测

9.1 英伟达Jetson TX1

9.2 YOLO算法

9.2.1 YOLO算法（v1）
9.2.2 YOLOv2算法
9.2.3 YOLO的TX1实践

9.3 SSD算法

9.3.1 SSD算法介绍
9.3.2 SSD的TX1实践

参考书

Goodfellow I, Bengio Y, Courville A, Bengio Y. Deep learning (Adaptive Computation and Machine Learning). Cambridge: MIT press; 2016 Nov 18.
中文版：深度学习(deep learning)，人民邮电出版社，2017年8月.

saturn-lab / learn-tensorflow Goto Github PK

learn-tensorflow's Introduction

Make Smart Things with TensorFlow