【文件属性】：
文件名称：matlab求导代码-Tensorflow-CS20SI:使用Tensorflow的CS20SI教程
文件大小：44.61MB
文件格式：ZIP
更新时间：2021-05-24 09:02:02
系统开源
matlab求导代码Tensorflow-CS20SI
使用Tensorflow的CS20SI教程
关于CS20SI
是Google
Brain研究人员开发的功能强大的机器学习开源软件库。
它具有许多预先构建的功能，可简化构建不同神经网络的任务。
Tensorflow允许在不同计算机之间以及一台计算机中的多个CPU和GPU上分布计算。
TensorFlow提供了Python
API以及文献较少的C
++
API。
该存储库使用Python
API。
本课程涵盖Tensorflow库用于深度学习研究的基础知识和当代用法。
目的是帮助学生理解Tensorflow的图形计算模型，探索其提供的功能，并学习如何构建和构建最适合深度学习项目的模型。
在整个课程中，学生将使用Tensorflow构建不同复杂度的模型，从简单的线性/逻辑回归到卷积神经网络，再到具有LSTM的递归神经网络，以解决诸如单词嵌入，翻译，光学字符识别之类的任务。
学生还将学习最佳实践，以构建模型和管理研究实验。
请参阅以获取更多信息以及指向存储库和幻灯片的链接。
感谢这门很棒的课程的讲师。
先决条件
精通Python所有班级分
【文件预览】：
Tensorflow-CS20SI-master
----Linear()
--------Linear Regression and Logistic Regression.ipynb(181KB)
----Embeddings()
--------Word Embeddings.ipynb(65KB)
--------embeddings_data.py(3KB)
--------embeddings_data.pyc(3KB)
--------text8.zip(29.89MB)
--------graphs()
--------.ipynb_checkpoints()
----LICENSE(1KB)
----Assignment_2()
--------style_transfer()
----Assignment_1()
--------a1_q1_exercises.py(4KB)
--------Assignment #1.ipynb(218KB)
----.gitignore(155B)
----README.md(3KB)
----utils()
--------minibatch.py(492B)
--------generate_cifar.py(2KB)
--------minibatch.pyc(613B)
----MNIST_data()
--------t10k-images-idx3-ubyte.gz(1.57MB)
--------t10k-labels-idx1-ubyte.gz(4KB)
--------train-labels-idx1-ubyte.gz(28KB)
--------train-images-idx3-ubyte.gz(9.45MB)
----File Reader()
--------heart.csv(20KB)
--------File Readers.ipynb(5KB)
--------.ipynb_checkpoints()
----Autoencoders()
--------graph.png(62KB)
--------Deconvolutional Neural Network.ipynb(8KB)
--------graphs()
--------.ipynb_checkpoints()
--------Autoencoder.ipynb(37KB)