本培训的任务是介绍介绍深度学习的基本原理、基本方法以及常见的典型应用，并借助Google公司的机器学习开源平台TensorFlow实现深度学习的基本操作以及在典型应用领域的应用。具体的内容安排如下：

1深度学习简介 1

1.1机器学习与深度学习

1.2 深度学习的发展历程

1.3 深度学习的应用

1.3.1 计算机视觉

1.3.2 语音识别

1.3.3 自然语言处理

1.3.4 人机博弈 

2 深层神经网络

2.1 深度学习与深层神经网络

2.1.1 线性模型的局限性

2.1.2 激活函数实现去线性化

2.1.3 多层网络解决异或运算

2.2 损失函数定义

2.2.1 经典损失函数

2.2.2 自定义损失函数

2.3 神经网络优化算法

2.4 神经网络进一步优化

2.4.1 学习率的设置

2.4.2 过拟合问题 

3卷积神经网络基础

3.1前向传播算法

3.2 卷积神经网络介绍

3.3 卷积神经网络常用结构

3.3.1 卷积层

3.3.2 池化层

3.4 经典卷积网络模型

3.5 卷积神经网络迁移学习 

4 TensorFlow开源深度学习平台

4.1 TensorFlow安装 29

4.1.1 使用Docker安装

4.1.2 使用pip安装

4.1.3 从源代码编译安装 33

4.2 TensorFlow基本操作

4.2.1 TensorFlow计算模型

4.2.2 TensorFlow数据模型——张量

4.3 TensorFlow运行模型

4.4 TensorFlow实现神经网络

4.4.1 神经网络参数与TensorFlow变量

4.4.2 **TensorFlow训练神经网络模型

4.4.3 神经网络模型训练及不同模型结果对比

4.4.4 TensorFlow实现迁移学习

5.基于TensorFlow框架的深度学习神经网络实验和综合案例                    

5.1 使用TensorFlow深度学习基本操作（动手练习）

5.2 详细应用案例：音频质量评价