卷积神经网络实战（可视化部分）——使用keras识别猫咪
在近些年，深度学习领域的卷积神经网络（CNNs或ConvNets)在各行各业为我们解决了大量的实际问题。但是对于大多数人来说，CNN仿佛戴上了神秘的面纱。我经常会想，要是能将神经网络的过程分解，看一看每一个步骤是什么样的结果该有多好！这也就是这篇博客存在的意义。
API经济时代的思考
API经济已经成为各行业中驱动—数字化、信息化变革的主要力量，通过API可以该整企业合内外资源，同合作伙伴相互弥补服务场景，发展新的业务以满足市场的需要，加速产品迭代，来解决客户一系列的场景化问题。
一文读懂目标检测AI算法：R-CNN，faster R-CNN，yolo，SSD，yoloV2
## 1 引言
深度学习目前已经应用到了各个领域，应用场景大体分为三类：物体识别，目标检测，自然语言处理。上文我们对物体识别领域的技术方案，也就是CNN进行了详细的分析，对LeNet-5 AlexNet VGG Inception ResNet MobileNet等各种优秀的模型框架有了深入理解。本文着重与分析目标检测领域的深度学习方法，对其中的经典模型框架进行深入分析。
目标检测可以
TensorFlow在iOS和Mac上的使用
一、环境
1、首先你得安装好Xcode 8，确定开发者目录指向你安装Xcode的位置并且已经被激活。（如果你在安装Xcode之前已经安装了Homebrew，这可能会指向错误的地址，导致TensorFlow安装失败）：
sudo xcode-select -s /Applications/Xcode.