001.反向传播和链式法则
    002.用样本训练
    003.训练和预测
    004.保存模型和命令行
    005.使用命令行
    006.Graph和练习
    007.梯度下降的实质
    008.MNIST搭框架
    009.训练MNIST
    010.GPU使用和Broadcast
    011.TensorBoard
    012.VAE和练习
    013.dropout和VAE和U形网络
    014.编码器解码器和动量
    015.动量的实现和cond和assign
    016.侧面切入
    017.张量之间的依赖和复习
    018.Normalize
    019.控制依赖和参差和人脸识别
    020.人脸识别和残差网络
    021.多线程
    022.方差损失的缺点和张量的直接赋值
    023.生产者消费者问题
    024.Samples的4个小问题
    025.手写BN操作和随机样本
    026.人脸对比
    027.实现人脸对比
    028.夹角余弦和控制依赖和多线程
    029.RNN初步
    030.股票预测
    031.MyCell
    032.多GPU
    033.多GPU实现
    034.法向量和多GPU
    035.以图搜图夹角惩罚和LSTM
    036.Poem
    037.LSTM
    038.Poem实现
    039.多层LSTM和精度和预测
    040.预测
    041.MyLSTM
    042.多层LSTM和变体和1对1模型和多对1模型
    043.N对1模型和图像标题
    044.图像标题
    045.双向RNN
    046.翻译
    047.翻译的实现
    048.注意力
    049.阅读理解
    050.阅读理解
    051.大小样本
    052.yield
    053.阅读理解
    054.多轮对话
    055.多轮对话框架
    056.注意力
    057.多轮对话
    058.fang3多轮对话模型
    059.样本处理
    060.训练
    061.GAN
    062.GAN
    063.GAN的实现
    064.CGAN
    065.Pix2Pix
    066.其他GAN
    067.StarGAN
    068.预测和显示
    069.WGAN
    070.WGAN的实现
    071.GAN的多种应用场景
    072.三层神经元网络
    073.sin
    074.三层NN
    075.语义分割模型
    076.Inception
    077.自顶向下
    078.问题
    079.Fraction
    080.Derivate
    081.Derivate
    082.偏导和梯度下降
    083.递归
    084.pour
    085.单目标检测
    086.IOU_NMS
    087.计算IOU
    088.iou和nms和roi_match
    089.FastRCNN
    090.RCNN复习
    091.FasterRCNN
    092.FasterRCNN和RPN
    093.FasterRCNN实现
    094.SPP
    095.roi_pooling
    096.相对坐标
    097.训练
    098.SSD
    099.缺省框
    100.SSD
    101.SSD实现
    102.YOLO
    103.YOLO
    104.flask初步
    105.flask
    106.config
    107.面试