热门下载（点击标题即可阅读）
?中国数据分析师行业峰会精彩PPT下载（共计21个文件）
原文标题：UnderstandingdeepConvolutionalNeuralNetworkswithapracticaluse-caseinTensorflowandKeras
作者：AhmedBesbes
翻译：苏金六
校对：韩海畴
转自：数据派THU
本文长度为字，建议阅读10分钟
本文通过数据集和应用案例，详细分析卷积神经网络，手把手教你用Keras和Tensorflow进行实战。
深度学习是目前最热门的人工智能话题之一。它是部分基于生物学解释的算法合集，在计算机视觉、自然语言处理、语音识别等多个领域均展现了令人惊叹的成果。
在过去的五年中，深度学习已经拓展到很多工业领域。
最近很多科技性突破都得归功于深度学习，例如特斯拉无人驾驶汽车、Facebook照片标记系统、Siri和Cortana等虚拟助手、聊天机器人和物体识别照相机。在语言理解和图像分析的认知领域，深度学习已经达到人类水平。
下面一个例子很好的说明了深度学习算法能做到什么：自动识别和标记场景里的不同物体。
深度学习都已经成了媒体上老生常谈的话题了。
我会在本文中跳过那些主流媒体的炒作内容并向你展现深度学习的实际应用案例。
我将告诉你如何搭建一个在图片识别分类上达到90%准确度的深度神经网络。在深度网络尤其是卷积神经网络（CNN）出现之前，这个看似简单的问题已经困扰计算机科学家很多年了。
本文分为四个部分：
1.呈现数据集和应用案例，解释图片分类的复杂性
2.详细说明卷积神经网络。分析其内在机制，并阐述其在图片分类方面相对普通神经网络的优越性。
3.基于AWS拥有强大GPU的EC2实例，搭建深度学习专门环境
4.训练两个深度学习模型：一个是从零开始在端对端管道中使用Keras和Tensorflow，另一个是使用大型数据集上的预训练网络。
这些部分互相独立。如果你对理论不感兴趣，可以跳过第一部分和第二部分。
深度学习是个很有挑战性的话题。作为一名机器学习实践者，我花了很长时间去了解这个学科。我会在本文结尾分享以前看过的学习资料，这样你们也可以自学并开始你们的深度学习之旅。
本文是一次整合我在神经网络领域所有知识的尝试。阅读时若发现不当之处，请及时指出。若有不明白之处和新想法，欢迎和我讨论。
本文的代码和训练模型都在我的Github账户里（北京哪家治白癜风的医院比较好白癜风有好的治疗方法吗