深入浅出深度学习与tensorflow,深度学习本身的复杂性往往让初学者效率较低，初学者会遇到非常多的问题，在理论基础薄弱的情况下，每一个问题都显得非常棘手，比如遇到“在用tensorflow实现简单异或问题时，训练过程中损失函数不下降现象”，初学者不了解具体原因，往往执着于神经网络结构的分析，始终找不到解决办法，耽误学习进度，进而影响学习兴趣和信心。课程力求最少也最简单的公式理论讲解，并配有完整代码实现，帮助学习者理清核心概念，把握关键点。总之，希望以最小的时间和精力代价带领初学者进入深度学习的世界。课程学习时，可以根据目录选择性观看。 前置知识：知道python 学习目标：了解深度学习基本常识 理解常规神经网络与卷积神经网络的实现过程 掌握并能够实现多层卷积神经网络 能够根据原理分析代码调试过程中的常规错误 课程设置：深度学习基本概念，tensorflow理解与操作，常规神经网络工作机理，深刻理解卷积神经网络，两个经典深度网络AlexNet与VGGNet。重点讲解常规神经网络和卷积神经网络，尤其是对神经网络结构分析、损失函数、梯度下降与优化器、卷积、池化、过拟合、dropout与L2正则化。 适用人群：程序员、工程师、教师以及各行业有志于从事或者希望了解深度学习的初学者，可以零基础