零基础入门TensorFlow人工智能框架到项目实战课程视频教程下载。TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。全民人工智能时代，不甘心只做一个旁观者，那就现在开始，从人工智能最流行的框架TensorFlow学起，本课程将手把手带你掌握TensorFlow技术，遵循从基础到实践应用的完整过程，是你通向人工智能开发的首选！“网红”编程语言Python与人工智能主流框架TensorFlow开发多个有趣的人工智能应用。

课程章节

第一章 课程整体介绍
1-1 课程整体介绍及导学

第二章 人工智能基础知识
2-1 什么是人工智能
2-2 人工智能前景
2-3 人工智能需要的基本数学知识
2-4 人工智能简史
2-5 AI、机器学习和深度学习的关联
2-6 什么是机器学习
2-7 面对AI，我们应有的态度
2-8 什么是过拟合
2-9 什么是深度学习

第三章 TensorFlow简介和开发环境搭建
3-1 什么是TensorFlow
3-2 TensorFlow和其他机器学习库的对比1
3-3 如何学习TensorFlow
3-4 TensorFlow前景
3-5 如何使用课程提供的虚拟机文件
3-6 安装VirtualBox
3-7 安装Ubuntu
3-8 配置Ubuntu系统
3-9 安装Python
3-10 安装TensorFlow（上）
3-11 安装TensorFLow（下）
3-12 安装Python类库

第四章 TensorFlow原理与进阶（代码实践）
4-1 从HelloWorld开始
4-2 TensorFlow的编程模式
4-3 TensorFlow的基础结构
4-4 图和会话
4-5 Python常用库Numpy的使用
4-6 什么是Tensor（上）
4-7 什么是Tensor（下）
4-8 图和会话原理及案例（上）
4-9 图和会话原理及案例（下）
4-10 可视化利器TensorBoard（上）
4-11 可视化利器TensorBoard（下）
4-12 酷炫模拟游乐园PlayGround
4-13 常用Python库Matplotlib
4-14 综合小练习：梯度下降解决线性回归（上）
4-15 综合小练习：梯度下降解决线性回归（中）
4-16 综合小练习：梯度下降解决线性回归（下）
4-17 激活函数（上）
4-18 激活函数（下）
4-19 动手实现CNN卷积神经网络（一）
4-20 动手实现CNN卷积神经网络（二）
4-21 动手实现CNN卷积神经网络（三）
4-22 动手实现CNN卷积神经网络（四）
4-23 动手实现CNN卷积神经网络（五）
4-24 动手实现RNN-LSTM循环神经网络（一）：背景和知识点
4-25 动手实现RNN-LSTM循环神经网络（二）：编写实用方法(上)
4-26 动手实现RNN-LSTM循环神经网络（三）：编写实用方法(中)
4-27  动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)1
4-28 动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)2
4-29 动手实现RNN-LSTM循环神经网络（五）：编写神经网络模型(上)
4-30  动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)1
4-31 动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)2
4-32 动手实现RNN-LSTM循环神经网络（七）：编写神经网络模型(下)
4-33 动手实现RNN-LSTM循环神经网络（八）：编写训练方法(上)
4-34 动手实现RNN-LSTM循环神经网络（九）：编写训练方法(下)
4-35 动手实现RNN-LSTM循环神经网络（十）：编写测试方法
4-36 动手实现RNN-LSTM循环神经网络（十一）：实际训练和测试

第五章 实战案例一 会作曲的人工智能
5-1 背景和知识点简介
5-2 音乐和数学的联系
5-3 什么是MIDI文件
5-4 配置开发环境
5-5 编写转换MIDI到MP3的方法
5-6 Python音乐库Music21的使用和测试方法
5-7 编写整个神经网络模型
5-8 编写从训练文件获取音符的方法
5-9 编写从预测数据来生成音乐的方法
5-10 编写训练神经网络的方法（一）
5-11 编写训练神经网络的方法（二）
5-12 编写训练神经网络的方法（三）
5-13 编写神经网络生成音乐的方法（一）
5-14 编写神经网络生成音乐的方法（二）
5-15 纯TensorFlow版的预告

第六章 实战案例二 会Photoshop的人工智能
6-1 背景和知识点简介
6-2 配置开发环境
6-3 什么是GAN(生成对抗网络)
6-4 什么是DCGAN
6-5 编写DCGAN中的判别器模型（上）
6-6 编写DCGAN中的判别器模型（下）
6-7 编写DCGAN中的生成器模型
6-8 编写训练神经网络的方法（上）
6-9 编写训练神经网络的方法（下）
6-10 编写神经网络生成图片的方法

第七章 实战案例三 会开3D赛车的人工智能
7-1 背景和知识点简介
7-2 强化学习的经典实验环境
7-3 配置开发环境（1）
7-4 配置开发环境（2）
7-5 什么是强化学习
7-6 什么是Q Learning
7-7 Q-Learning 实现机器人走迷宫：创建环境
7-8 Q-Learning 实现机器人走迷宫：决策算法（1）
7-9 Q-Learning 实现机器人走迷宫：决策算法（2）
7-10 Q-Learning 实现机器人走迷宫：游戏主程序
7-11 Deep Q Learning 实现迷宫游戏：决策算法（1）
7-12  Deep Q Learning 实现迷宫游戏：决策算法（2）
7-13  Deep Q Learning 实现迷宫游戏：决策算法（3）
7-14  Deep Q Learning 实现迷宫游戏：决策算法(4)和主程序
7-15  Policy Gradient 实现 Gym 游戏
7-16 A3C 实现 3D 赛车游戏：成果演示
7-17 A3C实现3D赛车游戏：讲解A3C和编写环境
7-18 A3C实现3D赛车游戏：编写A3C算法和主程序

第八章 知识点总结和课程延展
8-1 总结陈词和补充
8-2 如何学好英语
8-3 如何学好数学
8-4 如何学习一门技术及课程知识点总结
8-5 深入AI和TensorFlow

附
1、源码
2、课件
3、素材

百度网盘在线学: