一文读懂如何使用自己的数据进行网络模型的训练在学习相关深度学习框架时，我们往往会采用MNIST数据集进行学习。比如：https://blog.csdn.net/louishao/article/details/76218083还有：https://blog.csdn.net/louishao/article/details/60867339但是图像分割，去噪等图像到图像的任务中，我们往往需...

机器学习中存在很多分类问题，同时线性回归是难以实现的。本文在简单的线性回归基础上，进行拓展，详细讲解Logistic回归，实现二分类，甚至多元分类。

TensorFlow实现自编码器，具体一点是实现去噪自编码器。自编码器属于非监督学习的方法。自编码器作为深度学习在无监督领域的尝试是非常成功的，使用TensorFlow实现自编码器，能认识到其作用和领悟当中的原理。

TensorFlow实现Softmax Regression识别手写数字。本文从相关原理讲起，讲解了Softmax回归算法，之后使用TensorFlow进行编程实现，最后展现实验结果。虽然算法简单，但是经过整理总结，编程实现，学习得更加深刻！

本文使用Tensorflow框架进行Python编程实现基于卷积神经网络的手写数字识别算法，并将其封装在一个GUI界面中，最终，设计并实现了一个手写数字识别系统。

GPU环境的配置在深度学习中，模型往往很复杂，数据量很大，此时使用GPU运行会快很多。而使用GPU就需要安装CUDA和CuDNN。本文是为了使用tensorflow的gpu版本而使用的GPU。

机器学习中存在很多分类问题，同时线性回归是难以实现的。本文在简单的线性回归基础上，进行拓展，详细讲解Logistic回归，实现二分类，甚至多元分类。

本文使用Tensorflow框架进行Python编程实现基于卷积神经网络的手写数字识别算法，并将其封装在一个GUI界面中，最终，设计并实现了一个手写数字识别系统。