深度学习Tensorflow笔记

MOOC上北京大学的Tensorflow笔记课程，在没有基础的前提下可以快速上手。本人在学习该课程时进行了一些记录，虽然很多方面该课程的课程笔记比我记录的内容更详细，不过我也增加了一些自己测试的内容。

第一部分：Python篇

python安装tensorflow

学机器学习必备的一些python句法基础 1 列表 元组 字典 条件语句

学机器学习必备的一些python句法基础 2 循环

学机器学习必备的一些python句法基础 3 函数 内建函数 模块 包 全局局部变量

学机器学习必备的一些python句法基础 4 Python类和对象

学机器学习必备的一些python句法基础 5 文件读写

第二部分：Tensorflow基本句法

机器学习 Tensorflow基本句法1 张量 计算图 会话

机器学习 Tensorflow基本句法2 前向传播

机器学习 Tensorflow基本句法3 加上后向传播，构成整个Tensorflow深度学习程序

第三部分：参数优化

深度学习神经网络 Tensorflow参数优化 之 损失函数

深度学习神经网络 Tensorflow参数优化 之 损失函数2 一个重要误区的纠正

深度学习神经网络 Tensorflow参数优化 之 学习率

深度学习神经网络 Tensorflow参数优化 之 滑动平均

深度学习神经网络 Tensorflow参数优化 之 正则化 第一部分，数据显示

深度学习神经网络 Tensorflow参数优化 之 正则化 第二部分，正则化程序

深度学习神经网络 综合程序解析+参数优化（指数下降学习率+滑动平均+正则化）+问题分析

第四部分：神经网络实战

深度学习神经网络 MNIST数据集

深度学习神经网络 MNIST手写数据辨识 1 前向传播和反向传播

深度学习神经网络 MNIST手写数据辨识 2 测试程序

深度学习神经网络 MNIST手写数据辨识 3 应用接口

第五部分：卷积神经网络

深度学习神经网络 卷积神经网络 第一节，构建前向传播函数（一）

深度学习神经网络 卷积神经网络 第二节，构建前向传播函数（二）

深度学习神经网络 卷积神经网络 第三节，构建反向传播函数

深度学习神经网络 卷积神经网络 第四节，构建测试程序