深度学习

算法简介 GoogLeNet 专注于加深网络结构，同时引入了新的基本结构————Inception模块，以增加网络的宽度。GoogLeNet一共22层，没有全连接层，在2014年的ImageNet图像

模型简介 VGGNet由牛津大学计算机视觉组合和Google DeepMind公司研究员一起研发的深度卷积神经网络。它探索了卷积神经网络的深度和其性能之间的关系，通过反复的堆叠33的小型卷积核和22的

模型简介 LeNet 在Mnist数据集上的表现非常好，但是在更大的真实数据集上的表现就没那么出色，一直到2012年的AlexNet横空出世。该模型拿到了当年ImageNet竞赛的冠军。

发展历史 描述 LeNet5诞生于1994年，是最早的卷积神经网络之一，并且推动了深度学习领域的发展。自从1988年开始，在多年的研究和许多次成功的迭代后，这项由Yann LeCun完成的开拓性成果被

问题背景 在机器学习和深度学习中，一般都会要求有足够的的样本数量。样本数量足够多的时候，训练出来的模型效果就越好，模型的泛化能力越强。

前言 今天学了自然语言处理相关的内容，是用AI来写宋词。我觉得写的非常一般，但是该方法提供了一种思路，可借鉴一下，最后也会讲一下该方法的缺点。

前言 上篇文章介绍了如何使用TensorFlow来搭建神经网络模型，对fashion-mnist数据集进行多分类的预测。 上篇文章的思路，是把(28, 28)的图片展开成 (768, 1)的一维数据，

前言 上篇文章简单介绍了TensorFlow的 Hello World 。用TensorFlow 完成了一个线性模型的预测。 今天我们来进行一个最简单的图像分类任务。 数据集介绍 我们使用的数据集是f

编写和训练神经网络模型 我们来做一个 我们假设神经网络算法中只有一个节点，而且只有一个输出。 import 相关工具包 训练数据如下： 其实很容易发现，这是特意构造的一组数据，输入和输出数据之间是线性