TensorFlow 人工智能引擎 入门教程之一 基本概念以及理解

要理解现代人工智能的运作，掌握工具是第一步。这个系列教程，就是带你从核心概念开始，一步步走进强大而灵活的TensorFlow世界。别被那些复杂的术语吓到，我们将从最基础的部分拆解，让你明白引擎盖下到底是怎么回事。

TensorFlow人工智能引擎入门教程之三 实现一个自创的CNN卷积神经网络

理解了基本概念，是时候动手了。这一篇我们将抛开现成的模板，从头开始搭建一个属于自己的卷积神经网络（CNN）。你会发现，那些听起来高深的结构，其实是由一层层清晰的逻辑堆叠而成的。

TensorFlow人工智能引擎入门教程之四 TensorBoard面板可视化管理

训练模型就像在黑夜中调试机器，而TensorBoard就是那盏最亮的灯。这个强大的可视化工具能让你直观地看到训练过程、网络结构乃至每一层的数据流动，让调参不再是盲人摸象。

TensorFlow人工智能引擎入门教程之五 AlphaGo 的策略网络（CNN）简单的实现

曾震惊世界的AlphaGo，其核心之一就是策略网络。我们将尝试用TensorFlow实现一个简化的版本，一窥顶尖AI背后的神经网络是如何“思考”棋局的。这不仅是技术的复现，更是一次思维模式的体验。

TensorFlow人工智能引擎入门教程之七 DNN深度神经网络 的原理 以及 使用

深度神经网络（DNN）是许多复杂模型的基础。这一章我们深入其原理，剖析从输入层到输出层之间那些“深度”的含义，并动手实现一个基础的DNN，看看它是如何处理和抽象信息的。

TensorFlow人工智能引擎入门教程之九 RNN循环网络原理以及 使用

对于序列数据，比如语言或时间序列，传统的网络就有点力不从心了。循环神经网络（RNN）应运而生，它让网络拥有了“记忆”。我们来聊聊它的工作原理，并实践如何用它来处理具有前后关联的数据。

TensorFlow人工智能引擎入门教程之十 最强网络 RSNN深度残差网络 平均准确率96-99%

当网络变得非常深时，训练反而会变难，精度甚至可能下降。深度残差网络（ResNet）通过引入“捷径连接”，奇迹般地解决了深度网络的退化问题，在多个任务上达到了惊人的96-99%的平均准确率。我们来解密这一“最强网络”之一的精妙设计。

TensorFlow人工智能入门教程之十一 最强网络DLSTM 双向长短期记忆网络（阿里小AI实现）

在RNN的基础上，长短期记忆网络（LSTM）通过精巧的门控机制更好地捕捉长期依赖。而双向LSTM则能同时利用过去和未来的上下文信息，威力更甚。这一章，我们结合阿里小AI等实践案例，看看这种强大网络是如何构建和应用的。

TensorFlow人工智能引擎入门教程之十二 Tensorflow Caffe相互转换

现实项目中，我们可能需要在不同框架间迁移模型。TensorFlow和Caffe之间的模型转换是一个常见需求。掌握转换工具和方法，能让你的模型在不同的生态系统中自由穿梭，最大化其价值。

TensorFlow人工智能引擎入门教程之十七 Tensorflow 自定义文件Reader 自定义数据train来源

框架自带的数据管道有时无法满足奇特的业务数据格式。这时，自定义文件阅读器（Reader）就成了必备技能。学习如何为TensorFlow定制专属的数据输入流水线，让你的训练数据来源不再受限。

TensorFlow人工智能引擎入门教程之十 九 Tensorflow Ja vacpp 接口 ja va来写tensorflow 基本使用 教程来训练。

并非所有生产环境都是Python的天下。通过Ja vaCPP等接口，我们可以直接用Ja va来调用和运行TensorFlow模型，甚至进行训练。这对于将AI模型集成到Ja va主导的企业级系统中至关重要。本篇将介绍其基本使用方法。