理解聊天机器人如何工作是很重要的。聊天机器人内部一个基础的组成部分是文本分类器。让我们一起来探究一个用于文本分类的人工神经网络的内部结构。

作者关于卷积神经网络的笔记。

前段时间，『机器学习进阶笔记』系列一直关注 TensorFlow 系统的技术实践（想看 TensorFlow 技术实践的同学可直接拉到文章底部看相关阅读推荐），帮助大家从零开始，由浅入深，走上机器学习的进阶之路。虽然之前都在夸 TensorFlow 的好，但其劣势也很明显——对计算力要求太高，虽然使用方便，但是显存占用太高，计算也不够快，做公司项目还好，自己玩一些好玩的东西时太费时间了。 简而言之，穷！ 今天新开一篇，给大家介绍另一个优秀而强大的深度学习框架——MXnet，现在 MXnet 资源相对少一点，基于 MXnet 的有意思的开源项目也相对少一点，不过没关系，都不是问题，他的优点是足够灵活，速度足够快，扩展新的功能比较容易，还有就是造 MXnet 都是一群说得上名字的大牛，能和大牛们玩一样的东西，想想都很兴奋有没有！ 那我们开始吧：）

TensorFlow 是 Google 基于 DistBelief 进行研发的第二代人工智能学习系统，被广泛用于语音识别或图像识别等多项机器深度学习领域。其命名来源于本身的运行原理。Tensor（张量）意味着 N 维数组，Flow（流）意味着基于数据流图的计算，TensorFlow 代表着张量从图象的一端流动到另一端计算过程，是将复杂的数据结构传输至人工智能神经网中进行分析和处理的过程。 TensorFlow 完全开源，任何人都可以使用。可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。 『机器学习进阶笔记』系列将深入解析 TensorFlow 系统的技术实践，从零开始，由浅入深，与大家一起走上机器学习的进阶之路。

Google 这个公司还真挺有意思，至少我对它充满好奇和期待，感觉时不时总会推出一些创新的东西，一直引领着世界 IT 行业的创新潮流。比如 autodraw 我觉得就是一个拯救手残党的神器。

人工智能浪潮来袭，想学习却不知从何入手？本文带领你迈出成为 “AI 工程师” 的第一步！（附 Demo）

本文是作者机器学习的经验总结，适合所有对机器学习感兴趣的初学者。 通过本文，你可以了解到机器学习的基础知识、梯度下降法、反向传播算法、架构、图像处理方法、自然语言处理方法以及（高级）无监督学习基础等多个方面的内容。此外，对于初学者的延伸学习，作者也给出了自己的建议。

现在人工智能是个大热点，而人工智能离不开机器学习，机器学习中深度学习又是比较热门的方向，本系列文章就从实战出发，介绍下如何使用 MXnet 进行深度学习~