MIT高赞深度学习教程：一文看懂CNN、RNN等7种范例（TensorFlow教程）

Imd安检之家

TensorFlow 教程：有关 GAN 变体的示例，请参阅关于 conditional GAN 和 DCGAN 的教程。随着课程的进展，我们将在 GitHub 上发布一个关于 GAN 的最新教程。Imd安检之家

conditional GAN：Imd安检之家
https://github.com/tensorflow/tensorflow/blob/r1.13/tensorflow/contrib/eager/python/examples/pix2pix/pix2pix_eager.ipynbImd安检之家

DCGAN：Imd安检之家
https://github.com/tensorflow/tensorflow/blob/r1.11/tensorflow/contrib/eager/python/examples/generative_examples/dcgan.ipynbImd安检之家
 Imd安检之家

 Imd安检之家

Imd安检之家

强化学习 (RL) 是一个框架，用于教一个 agent 如何以一种最大化回报的方式行动。当学习由神经网络完成时，我们称之为深度强化学习 (Deep Reinforcement learning, Deep RL)。Imd安检之家

RL 框架有三种类型：基于策略的 (policy-based)、基于价值 (value-based) 的和基于模型的 (model-based)。区别在于神经网络的任务是学习。详细解读请参见本系列课程的第 6 讲。Imd安检之家

Deep RL 允许我们在需要做出一系列决策时，在模拟或现实环境中应用神经网络。包括游戏、机器人、神经架构搜索等等。Imd安检之家

教程：我们的 DeepTraffic 环境提供了一个教程和代码示例，可以快速地在浏览器中探索、训练和评估深度 RL 智能体，我们将很快在 GitHub 上发布一个支持 GPU 训练的TensorFlow 教程。Imd安检之家
 Imd安检之家

拓展概念Imd安检之家

在深度学习中有几个重要的概念并不是由上述架构直接表示的，包括变分自编码器(VAE)、LSTM/GRU 或神经图灵机中的 “记忆” 概念、胶囊网络，以及注意力机制、迁移学习、元学习概念，以及 RL 中基于模型、基于价值、基于策略的方法和 actor-critic 方法的区别。Imd安检之家

最后，许多深度学习系统将这些结构以复杂的方式组合起来，共同从多模态数据中学习，或者共同学习解决多个任务。这些概念在本系列课程的其他课程中都有涉及，更多的概念将在接下来的课程中介绍：Imd安检之家

Imd安检之家
 Imd安检之家