需要远程指导仿真实验、代码有问题的，请后台私信或者关注公众号

下面将采用tensorflow中的Keras来实现字符级的LSTM文本生成。首先需要可用于学习语言模型的大量文本数据。我们可以使用任意足够大的一个或多个文本文件如维基百科、《指环王》等。本例将使用尼采的一些作品，他是19 世纪末期的德国哲学家，这些作品已经被翻译成英文。因此，我们要学习的语言模型将是针对于尼采的写作风格和主题的模型，而不是关于英语的通用模型。

人脸识别是一项计算机视觉任务，它根据人脸照片识别和验证人。FaceNet 是谷歌研究人员于 2015 年开发的人脸识别系统，该系统在一系列人脸识别基准数据集上取得了当时最先进的结果。由于模型的多个第三方开源实现和预训练模型的可用性，FaceNet 系统可以被广泛使用。FaceNet 系统可用于从人脸中提取高质量特征，称为人脸嵌入，然后可用于训练人脸识别系统。通过本实验，您将了解如何使用 FaceNet和SVM分类器开发人脸检测系统，以从照片中识别人物。

本实验主要展示如何构建一个能够识别十个不同单词的基本语音识别网络。当然，真实的语音和音频识别系统要复杂得多，但就像图像的 MNIST 一样，本实验主要目的是对所语音识别涉及的技术有基本的了解。完成本教程后，我们将拥有一个可以识别简单语音命令的模型，该模型尝试将一秒钟的音频剪辑分类为“向下”、“前进”、“向左”、“否”、“向右”、“停止”、“向上” “ 是的”。

我们将从一个ImageNet上预训练的卷积神经网络开始。tensorflow中的Keras中有许多这样的卷积神经网络：VGG16、VGG19、Xception、ResNet50等。我们可以使用其中任何一个来实现 DeepDream，但我们选择的卷积神经网络会影响可视化的效果，因为不同的卷积神经网络架构会学到不同的特征。最初发布的DeepDream中使用的卷积神经网络是一个Inception模型，在实践中，人们已经知道Inception能够生成漂亮的DeepDream图像，所以我们将使用Keras内置的Inc

神经网络应用

本任务使用Embedding和一个 SimpleRNN层模型构建网络并训练以及使用Embedding和一个LSTM层模型构建网络并训练,分别完成了对数据集IMDb的评论分类的工作。在此过程中，我们首先介绍了Embedding的目的、作用及TF的用法。其次读取IMDb的数据划分了训练集和测试集，并将数据转换成符合网络需要的格式。紧接着使用Embedding和SimpleRNN来构建和训练网络，绘制出训练集和测试集的精度和损失。最后使用Embedding和LSTM来构建和训练网络，绘制出训练集和测试集的精度

股票价格的预测是学界和业界一直以来尝试去研究解决的问题，由于股票的价格受到的影响因素众多，涵盖了上市公司基本面，产品价格的波动，国内的宏观经济数据，国际市场的各种金融资产和价格的波动等等，并且各个变量与股票价格的走势并非线性，因此传统的计量经济学模型并不能很好地解决股票价格的预测问题。

循环神经网络

我们这里要解决的问题是，将手写数字的灰度图像（28 像素×28 像素）划分到10个类别中（0~9）。我们将使用 MNIST 数据集，它是机器学习领域的一个经典数据集，这个数据集包含60000张训练图像和10000张测试图像，由美国国家标准与技术研究院在20世纪 80年代收集得到。我们先来看一个简单的卷积神经网络示例，即使用卷积神经网络对MNIST数字进行分类，这个任务我们在前面章节使用全连接网络做过。虽然本例中的卷积神经网络很简单，但其精度肯定会超过前面章节的全连接网络。

本次实验使用Cifar10数据集，Cifar10是一个由彩色图像组成的分类的数据集，其中包含了飞机、汽车、鸟、猫、鹿、狗、 青蛙、马、船、卡车10个类别。每个类中包含了6000张图片。整个数据集中包含了6万张32×32的彩色图片。该数据集被分成50000和10000两部分，50000作为训练数据，用来做训练；10000是测试数据，用来做验证。

卷积神经网络

本节你会构建一个网络，将路透社新闻划分为 46 个互斥的主题。因为有多个类别，所以这是多分类（multiclass classification）问题的一个例子。因为每个数据点只能划分到一个类别，所以更具体地说，这是单标签、多分类（single-label, multiclass classification）问题的一个例子。如果每个数据点可以划分到多个类别（主题），那它就是一个多标签、多分类（multilabel, multiclass classification）问题。

二分类问题可能是应用最广泛的机器学习问题。在这个例子中，你将学习根据电影评论的文字内容将其划分为正面或负面评论。

分类问题其目标是预测输入数据点所对应的单一离散的标签。另一种常见的机器学习问题是回归问题，它预测一个连续值而不是离散的标签，例如，根据气象数据预测明天的气温，或者根据软件说明书预测完成软件项目所需要的时间。本节将使用回归算法对波士顿房价预测。

神经网络训练--过拟合与欠拟合

神经网络进阶

神经网络商品数字识别

神经网络手写数字识别

利用Sequential模型神经网络使用Tensorflow实现鸢尾花分类模型构建与输出

神经网络基础

TensorFlow进阶二（高阶操作）

TensorFlow进阶二（张量的填充与复制、张量的数据限幅、张量的高阶操作）

TensorFlow进阶一（张量的范数、最值、均值、和函数、张量的比较）

TensorFlow进阶一（张量的合并、张量的分割）

TensorFlow进阶

TensorFlow基础二（张量的数据类型、张量的生成方式、张量的函数使用方法）

TensorFlow基础一（张量的创建及运算）

TensorFlow基础一（张量的数据类型）

TensorFlow基础

深度学习概述