AlphaGo论文的译文：用通用强化学习自我对弈，掌握国际象棋和将棋 Mastering-Chess-and-Shogi-by-Self-Play-with-a-General-Reinforcement-Learning-Algorithm
AlphaGo论文的译文：用深度神经网络和树搜索征服围棋 Mastering the game of Go with deep neural networks and tree search
Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。
强化学习资料整理
本文以猫狗的分类识别为例，给大家讲解一下如何直接使用带有大量干扰背景的彩色图片训练一个能识别图片是猫还是狗的模型。
通用图像分类公开的标准数据集常用的有CIFAR、ImageNet、COCO等，由于ImageNet数据集较大，下载和训练较慢，为了方便快速学习图像分类，我们使用CIFAR10数据集。 本文讲解如何将数据集反向重建为rgb彩色图片。
Docker的主要应用场景： Web 应用的自动化打包和发布。 自动化测试和持续集成、发布。 在服务型环境中部署和调整数据库或其他的后台应用。 从头编译或者扩展现有的OpenShift或Cloud Foundry平台来搭建自己的PaaS环境。
mark
为了做车牌识别训练，先单独研究下怎么从照片里扣出车牌区域。
mark
MNIST 数据集是一个手写数字识别训练数据集，来自美国国家标准与技术研究所National Institute of Standards and Technology (NIST)。训练集 (training set) 由来自 250 个不同人手写的数字构成，其中 50% 是高中学生，50% 来自人口普查局 (the Census Bureau) 的工作人员。测试集(test set) 也是同样比例的手写数字数据。
前段时间忙了好一阵，终于有时间继续学习了，今天开始通过paddlepaddle的手写数字识别看一下简单的cnn图像识别模型是怎么训练出来的。
Elasticsearch 是一个分布式、可扩展、实时的搜索与数据分析引擎。
经常接触LSTM，GRU,RNN这些模型，对于LSTM的印象只是知道它用来解决梯度消失梯度爆炸问题，对于长距离的句子的学习效果不好的问题，而且大概知道里面是加了一些参数，加了门单元来选择忘记和记住一些信息。但是具体公式没有推过，所以理解的不够深。
word embedding的意思是：给出一个文档，文档就是一个单词序列比如 “A B A C B F G”, 希望对文档中每个不同的单词都得到一个对应的向量(往往是低维向量)表示。
比如，对于这样的“A B A C B F G”的一个序列，也许我们最后能得到：A对应的向量为[0.1 0.6 -0.5]，B对应的向量为[-0.2 0.9 0.7] （此处的数值只用于示意）
人工智能研究方向演变：规则->统计->知识->深度学习
上次我们进行了简单的环境安装和模型应用尝试，今天开始通过paddlepaddle的房价预测看一下简单的线性回归有监督模型是怎么训练出来的。
官网：http://www.paddlepaddle.org/
#文中设置均基于最新版的Raspbian系统2016-11版本
新入手了pi3 model b板子，按下述操作即可安装并启动成功，mark一下，以免其它人再走弯路。