不久之前，我遇到了这个非常有趣的项目，文章的作者使用网络摄像头来玩经典格斗游戏Mortal Kombat。他利用卷积神经网络和回归神经网络的组合来识别他的网络摄像头录音中的踢和冲击动作。然后他将模型的预测转换为在游戏中采取适当行动。这确实是一种非常酷的玩游

Auto-Keras提供自动搜索深度学习模型的架构和超参数的功能。自动机器学习是听起来是个“城里”的新生事物，它将帮助我们创建更好的模型、更易于使用的优秀的API。在本文中，我们将与您讨论Auto-Keras，这是AutoScript与Keras的新软件包

本文是系列中的第二篇文章，将带您快速了解Tensorflow Serving的原理和使用，并利用阿里云容器服务轻松在云端搭建TensorFlow Serving集群。如果您需要学习TensorFlow请参考基于Docker的TensorFlow实验环境。T

生成敌对网络或GAN是深度学习研究和开发中最活跃的领域之一，因为它们具有惊人的产生综合结果的能力。我们将通过一个具体的例子来构建GAN的基本直觉。这篇文章按以下方式分解：。GAN的核心是包含两个具有相互竞争目标的代理，这些目标通过相反的目标发挥作用。

在本文中，我们将使用Python在TensorFlow中实现一个非常基本的程序，以便在实际中看到它。计算图是之前提到的数据流图。数据流图的每个节点将有助于评估TensorFlow计算的操作。在TensorFlow中，每个节点将零个或多个张量作为输入，并产生

使用高级API实现多层神经网络这里我们使用tensorflow.contrib包，这是一个高度封装的包，里面包含了许多类似seq2seq、keras一些实用的方法。y = tf.placeholder#注意数据类型上面使用占位符的方法来声明模型的输入X和y

–recurse-submodules 参数必须要加, 用于获取 TesorFlow 依赖的 protobuf 库。remote: Total 40348 , reused 0 , pack-reused 40341. Receiving objects:

如今，TensorFlow大版本已经升级到了1.3，对很多的网络层实现了更高层次的封装和实现，甚至还整合了如Keras这样优秀的一些高层次框架，使得其易用性大大提升。相比早起的底层代码，如今的实现更加简洁和优雅。本文是基于TensorFlow在中文数据集上