学习了使用tensorflow来训练系统，识别简单的图片，由老师讲解了其中核心的代码，读取出图片的信息，制作成28*28的矩阵，在进行运算将其变为一个数，从图片数据库中随机抽取4长，进行机器学习，给予机器反馈结果，通过十轮学习，达到识别图片的目的。
=2017年7月2日=
==操作内容==
==学习内容==
在教材上的第一章和第二章，介绍了深度学习原理，激活函数，人工神经网络的建立，用损失函数来量化输出结果和实际结果之间的差距，常用调节权重的方法随机梯度下降法，深度学习中的常用术语，自编码器初始化权重可以使得苏恩曦进程加速，典型神经网络；卷积神经网络，循环神经网络，LSTM神经网络,谷歌的CLDNN网络，CTC模型（语音识别推广应用，简单化的基础，降低了语音识别训练材料的制作成本），
深度学习不仅要能够对数据有很好的拟合，还要防止过好的拟合，因为训练用的数据是有限的，对实验数据拟合的过好之后，可能对真实数据拟合的不好，原因可能是：数据量太小，不够具有一般性，或者训练用数据的特性与使用时的数据特性不同。