[深度學習練習] [Deep Learning Practice] 神經網路入門（十二）- 遞歸神經網路 X TFLearn X 台指分K

上一篇我們已經把 lstm 訓練好的 model 儲存起來，

這一篇，是深度學習的最後一篇，我們要寫一個回測的方法，

看看我們的模型到底學到什麼。

[深度學習練習] [Deep Learning Practice] 神經網路入門（十一）- 遞歸神經網路 X TFLearn X 台指分K

這一篇會加上一些基本前處理步驟，

然後用 TFlearn 把 lstm 架構寫出來，

並看到學習的結果。

[深度學習練習] [Deep Learning Practice] 神經網路入門（十）- 遞歸神經網路 X TFLearn X 台指分K

之前已經用 CNN 練習過台股日 K 預測，

接下來我們會用 LSTM 來玩台股分 K 預測，

不過！在這之前我們要先介紹一下 TFLearn 這個超好用的工具。

[深度學習練習] [Deep Learning Practice] 神經網路入門（九）- 遞歸神經網路 X 實作

上一集中，介紹了基本的 RNN 以及 LSTM model，

這一篇將會實作 RNN model，預測 mnist 的資料，

以更加了解 RNN 的使用方法和原理。

[深度學習練習] [Deep Learning Practice] 神經網路入門（八）- 遞歸神經網路 X 基礎

這一集分享一下遞歸神經網路 ( Recurrent Neural Network )，

簡稱為 RNN，對於和時間相關的學習非常強大，

可以拿來玩期貨、音樂或文意理解等之類和時間有強烈關係的主題。

[深度學習練習] [Deep Learning Practice] 神經網路入門（七）- 卷積神經網路 X 台指

上一個章節中，我們已經完成了資料處理的幾個方法，

這一集要定義卷積網路的樣子，然後把圖片和標籤丟進去，

看看卷積神經網路在指數預測的能力如何。

[深度學習練習] [Deep Learning Practice] 神經網路入門（六）- 卷積神經網路 X 台指

這個專案，我覺得比起之前都要好玩太多，

因為我們將引用外部資料，自己決定資料長相以及要學習的事情，

這才是機器學習最有趣的地方！

[深度學習練習] [Deep Learning Practice] 神經網路入門（五）- 卷積神經網路 X 實作

上一集中，紀錄卷積神經網路的基本理解，

這一集就會使用卷積神經網路來預測 mnist 的 data，

做圖像辨識的練習。

[深度學習練習] [Deep Learning Practice] 神經網路入門（四）- 卷積神經網路 X 基礎

這一集分享一下卷積神經網路 ( Convolutional Neural Network )，

卷積神經網路是深度學習底下的一個分支，

對於圖像處理有很強大的分析能力。

[深度學習練習] [Deep Learning Practice] 神經網路入門（三）- 深度學習實作

上一篇中，講了深度學習的基本架構，

這篇將使用 tensorflow 去實踐深度學習，

並做一個數字辨識的入門小專案。

[深度學習練習] [Deep Learning Practice] 神經網路入門（二）- 深度學習介紹

這邊先大概紀錄一下，深度學習在我認知中是什麼樣子。

然後，用tensorflow做一個簡單的小練習，

大概是這樣子。

[深度學習練習] [Deep Learning Practice] 神經網路入門（一）- 機器學習介紹

最近呢，都在學深度學習，發現這真的是一門很有趣的學問。

深度學習可以拿來做很多很屌的事情，但如果要好好地在某個領域使用他，

不僅要該領域的專業知識，還要夠硬朗的深度學習的知識才行。