本文将采用GAN模型实现手写数字的生成。生成对抗网络包括生成器、判别器，两个模型通过对抗训练不断学习、进化。生成器：生成数据（大部分情况下是图像），目的是“骗过”判别器；判别器：判断这张图片是真实的还是机器生成的，目的是找出生成器生成的“假数据”。

【代码】DAY26-深度学习100例 -卷积神经网络（CNN）：乳腺癌识别。

本文通过对人眼状态的识别达到检测注意力的目的。

本文通过对人眼状态的识别达到检测注意力的目的。

Mnist数据集分为两部分，分别含有60000张训练图片和10000张测试图片。每一张图片包含28*28个像素。Mnist数据集把代表一张图片的二维数据转换成一个向量，长度为28 * 28=784。因此在Mnist的训练数据集中mnist.train.images是一个形状为[60000, 784]的张量，第一个维度数字用来索引图片，第二个维度数字用来索引每张图片中的像素点，图片里的某个像素的强度

●本文为中的学习记录博客​。

今天会通过RNN实现股票开盘价格的预测。

Mnist数据集分为两部分，分别含有60000张训练图片和10000张测试图片。每一张图片包含28*28个像素。Mnist数据集把代表一张图片的二维数据转换成一个向量，长度为28 * 28=784。因此在Mnist的训练数据集中mnist.train.images是一个形状为[60000, 784]的张量，第一个维度数字用来索引图片，第二个维度数字用来索引每张图片中的像素点，图片里的某个像素的强度

本文通过对人眼状态的识别达到检测注意力的目的。

今天会通过RNN实现股票开盘价格的预测。