《TensorFlow深度學習應用實踐》學習筆記1

第一章

計算機視覺的核心問題，如何忽略同一個物體内部的差異，而強化不同物體之間的差別。

人工神經網絡。

反向傳播

算法。将複雜的鍊式法則拆解為獨立的前後關系的連接配接層，按照各自的權重配置設定錯誤更新。這樣通過已有的資料統計規律對未定位的事件做出預測。

2006年，深層神經網絡的訓練有了突破。使用更多隐層和更多神經元，有更好的學習能力。

CNN：仿照生物視覺的逐層分解算法。

訓練平台，模型使用，速度和周期。

常用的

TensorFlow

/Cafe/PyTroch

核心是任務處理的對象，包括檢測、識别、分割、特征點定位、序列學習。

第二章

Anoconda