- +在此添加单个AI新笔记
1
📚 历史回顾
🔍 谷歌故事
🕰️ 起源发展
2
🐍 版本差异
🔄 升级指南
📌 选择建议
3
💻 安装步骤
📥 获取方法
⚙️ 配置设置
4
❓ 版本选择
💡 性能比较
🖥️ 硬件建议
5
🐍 环境隔离
📦 包管理
🚀 快速部署
6
✅ 安装验证
🐛 排错指南
🟢 测试运行
7
🧱 核心概念
📐 张量基础
🔢 数据类型
8
📏 形状操作
🔢 维度理解
🧮 数学结构
9
🖇️ 执行原理
⚖️ 动静对比
📝 设计模式
10
🗣️ 会话控制
🏃 运行机制
⚡ 资源管理
11
📚 基础入门
⚙️ 语法学习
🔧 常量指南
12
📚 基础入门
⚙️ 语法学习
🔧 变量教程
13
📚 基础入门
🧮 算术操作
🔢 操作符指南
14
📚 基础入门
🤔 逻辑判断
🔢 操作符指南
15
💻 数据类型
🔢 数值基础
📊 浮点整数
16
💻 数据类型
🔤 文本处理
📝 字符串操作
17
💻 数据类型
✅ 布尔逻辑
📊 张量运算
18
📂 数据读取
📄 文本文件
📖 内容读取
19
📂 数据读取
🖼️ 图像处理
📸 文件读取
20
📂 数据读取
📊 表格数据
🔍 解析技巧
21
📊 数值归一化方法
🧮 数据预处理
⚙️ 特征缩放
22
📈 数据标准化
🔧 预处理技巧
⚖️ 均值方差
23
🖼️ 图像增强
🔄 旋转翻转
👁️ 视觉变换
24
📝 文本分词
✂️ 自然语言
🔡 词汇处理
25
🛠️ 自定义数据集
💾 数据构建
📁 本地文件
26
🎓 MNIST入门
📊 内置数据
🔢 经典示例
27
✂️ 数据划分
⚖️ 训练验证
📊 数据集拆分
28
📦 批处理
⚡ 批量加速
🔄 数据分批
29
🧱 网络层基础
🔌 连接作用
💡 模型构建
30
🔤 层类型
🌐 卷积全连接
🛠️ 核心组件
31
🔍 基础入门
📚 序列模型
🧩 层堆叠
32
🛠️ 灵活构建
🧠 函数API
📐 复杂模型
33
💻 子类化
⚙️ 自定义类
🧬 高级技巧
34
🧮 分类损失
📉 交叉熵
📊 概率基础
35
📏 回归损失
📈 均方误差
🔢 数值计算
36
🔄 优化算法
⚡ 梯度下降
⛰️ 基础优化
37
🤖 自适应
🔄 Adam
⚖️ Adagrad
38
📊 分类指标
✅ 准确率
🔄 召回率
39
📐 回归评估
📏 RMSE
🔢 误差分析
40
🧠 神经基础
🔤 神经元
🦠 生物模拟
41
🧠 神经网络基础
📈 激活函数
⚙️ Sigmoid与ReLU
42
🔌 多层感知机
🏗️ 结构解析
🧩 全连接层
43
⚡ 训练过程
➡️ 前向传播
⬅️ 反向传播
44
🖼️ 卷积原理
🔍 特征提取
🧮 数学操作
45
📉 池化技术
⬆️ 最大池化
⏱️ 平均池化
46
🏛️ 经典架构
👓 LeNet分析
🚀 AlexNet突破
47
🔄 序列处理
🧬 RNN结构
📝 时序建模
48
⏳ 长短记忆
🔑 门控机制
🤖 LSTM原理
49
🎚️ 门控单元
🚪 GRU简化
⚖️ 效率优势
50
🎨 生成对抗
🤹 双模型机制
🥊 对抗训练
51
🎨 图像生成应用
🤖 生成对抗网络
💡 技术原理
52
⚙️ 模型编译
📊 损失函数
🔧 优化器
53
🚀 训练模型
🔄 迭代优化
📈 拟合过程
54
✅ 模型验证
📏 评估指标
🧪 测试数据
55
⚠️ 过拟合表现
🔍 问题分析
📉 训练异常
56
🆘 欠拟合解决
💪 增强模型
➕ 添加特征
57
⚖️ L1L2正则化
🛡️ 防止过拟合
🎚️ 权重约束
58
🎲 随机丢弃
🧠 Dropout
🌐 网络正则
59
🕹️ 手动调参
🎚️ 学习率
🔍 参数实验
60
🤖 自动调优
⚡ 高效搜索
🧪 优化工具