人工智能算法实践-机器学习与深度学习.pptx

人工智能算法应用实战;深度学习算法;神经网络原理;神经网络;神经网络;神经网络是什么;神经网络如何计算数据;神经网络如何计算数据;反向传播算法(Back Propagation);反向传播算法(Back Propagation);深度学习基础－感知机;深度学习基础－感知机－线性单元;深度学习基础－感知机－线性单元;深度学习基础－感知机－线性单元;激活函数（Activation Function）;激活函数-Sigmoid;激活函数-Relu;激活函数-Relu;激活函数-tanh;深度学习基础 ;深度学习基础 ;深度学习基础 ;梯度下降法;梯度下降法;梯度下降法;稳定效果对比;稳定效果对比;学习率（Learning Rate）;批次（Batches）与周期（Epochs）;正则化;深度学习算法;概 述;概 述;概 述;浅层学习;神经网络;深度学习;深度学习的应用;深度学习的应用;主流深度学习框架;主流深度学习框架;Keras是什么;Keras的设计原则是;TensorFlow是什么？;TensorFlow是什么？;TensorFlow架构;TensorFlow基本使用;TensorFlow基本使用---Tensor;TensorFlow基本使用---计算图;TensorFlow基本使用---计算图;TensorFlow机器学习例子---一元线性回归;TensorFlow机器学习例子---一元线性回归;TensorFlow机器学习例子---一元线性回归;TensorFlow机器学习例子---一元线性回归;深度学习基础－手写数字识别场景;深度学习网络分类;深度学习网络分类;卷积神经网络;卷积神经网络;卷积神经网络VS全连接神经网络;卷积神经网络结构示意图;卷积神经网络结构示意图;卷积层输出值的计算;卷积层输出值的计算;卷积层输出值的计算;卷积层输出值的计算;卷积层输出值的计算;卷积层输出值的计算;卷积层输出值的计算;卷积;D层卷积;Pooling层输出值的计算;Pooling层输出值的计算;Pooling层输出值的计算;卷积层的训练;卷积层的训练;卷积层的训练;卷积层的训练;卷积神经网络优化方案 ;深度学习网络架构;RNN简介;RNN简介;双向循环神经网络;深度循环神经网络;RNN分类;RNN的学习算法;RNN的学习算法-任意K时刻误差;RNN的梯度爆炸和消失问题;RNN的梯度爆炸和消失问题;RNN的应用举例——基于RNN的语言模型;RNN的应用举例——基于RNN的语言模型;RNN的应用举例——基于RNN的语言模型;RNN的应用举例——基于RNN的语言模型;BPTT算法描述;RNN的学习算法;LSTM;LSTM;LSTM;LSTM;LSTM;TensorFlow分布式环境搭建;TensorFlow分布式环境搭建;TensorFlow分布式环境搭建;TensorFlow使用GPU;TensorFlow使用GPU;Tensorflow利用GPU训练注意事项