第一次课：
上午：智能路灯 将感受光强的程序与控制LED灯的程序连接起来，实现了当光强小于一定数值时LED自动亮起
下午：智能迎宾系统 体验了人脸识别系统和发声系统，由于不清楚哪个参数代表是否成功识别人脸，因此最终还只是个半成品。
upload a picture
第二次课：
- 组件安装：python 3.7，gitbash,tensorflow,jupyter notebook
对tensorflow运行所需的环境进行了配置 - 初次认识机器学习：数据 算法 模型
- 机器学习：
利用经验集E提升任务T的性能P的方法就是机器学习 目的：推广Generalization 推广误差 Generalization error GE = AE + EE + OE(Approximation error, Estimation error, Optimization error) 标志性论文：deep belief nets 2006 AlexNet 2012 “imageNet classification with deep convolutional neural networks”
- 机器学习基础：
深度神经网络
输入(input),输出(output),批次(batch),权重(w),偏移(b),激活函数(activation function),损失函数(loss function)
通过训练调整权重使损害函数取最小的过程
激活函数：ReLU sigmoid tanh
学习率(步长)
反向传播算法 The backpropagation algorithm求偏导数：减小求偏导数的运算量 梯度下降法进行权重的更新
改进：随机梯度下降法
- tensorflow:
tensor 的概念
tensor和numpy
tensorflow计算图
tensorflow编程框架
tensorflow训练实践(jupyter上编译 谷歌tensorflow网站上演示)