用最白话的语言，讲解机器学习、神经网络与深度学习

示例基于 TensorFlow 1.4 和 TensorFlow 2.0 实现

相关链接

• 知乎专栏
• 机器学习笔试面试题，Github
• TensorFlow 2.0 中文文档，Github
• TensorFlow 2.0 图像识别&强化学习实战，Github

OpenAI gym

• TensorFlow 2.0 (九) – 强化学习70行代码实战 Policy Gradient

  • Github – gym/CartPole-v0-policy-gradient
  • 介绍了策略梯度算法(Policy Gradient)来玩 CartPole-v0

• TensorFlow 2.0 (八) – 强化学习 DQN 玩转 gym Mountain Car

  • Github – gym/MountainCar-v0-dqn
  • 介绍了DQN(Deep Q-Learning)来玩MountainCar-v0游戏
  • Q-Table用神经网络来代替。

• TensorFlow 2.0 (七) – 强化学习 Q-Learning 玩转 OpenAI gym

  • Github – gym/MountainCar-v0-q-learning
  • 介绍了使用Q-Learning(创建Q-Table)来玩MountainCar-v0游戏
  • 将连续的状态离散化。

• TensorFlow 2.0 (六) – 监督学习玩转 OpenAI gym game

  • Github – gym/CartPole-v0-nn
  • 介绍了使用纯监督学习(神经网络)来玩CartPole-v0游戏
  • 使用TensorFlow 2.0

mnist

• TensorFlow 2.0 (五) – mnist手写数字识别(CNN卷积神经网络)

  • Github – v4_cnn
  • 介绍了如何搭建CNN网络，准确率达到0.99
  • 使用TensorFlow 2.0

• TensorFlow入门(四) – mnist手写数字识别(制作h5py训练集)

  • Github – make_data_set
  • 介绍了如何使用 numpy 制作 npy 格式的数据集
  • 介绍了如何使用 h5py 制作 HDF5 格式的数据集

• TensorFlow入门(三) – mnist手写数字识别(可视化训练)

  • Github – mnist/v3
  • 介绍了tensorboard的简单用法，包括标量图、直方图以及网络结构图

• TensorFlow入门(二) – mnist手写数字识别(模型保存加载)

  • Github – mnist/v2
  • 介绍了 TensorFlow 中如何保存训练好的模型
  • 介绍了如何从某一个模型为起点继续训练
  • 介绍了模型如何加载使用，传入真实的图片如何识别

• TensorFlow入门(一) – mnist手写数字识别(网络搭建)

  • Github – mnist/v1
  • 这篇博客介绍了使用 TensorFlow 搭建最简单的神经网络。
  • 包括输入输出、独热编码与损失函数，以及正确率的验证。