簡介：本課程使用TensorFlow技術(shù)和flask框架相結(jié)合，通過前端html和jQuery框架，利用canvas畫布將用戶在屏幕上的手寫文字傳入到后臺flask的restful api中，然后flask通過調(diào)取模型接口，把數(shù)據(jù)傳入模型中進行手寫體識別，形成一個完整的閉環(huán)。
第1章 課程介紹
主要介紹整個課程的學習背景、學習目標，讓大家從宏觀上了解如何使用tensorflow訓(xùn)練mnist數(shù)據(jù)集，并與flask框架結(jié)合發(fā)布成RESTFUL接口并調(diào)用。
第2章 基礎(chǔ)知識
主要介紹mnist和flask的基礎(chǔ)知識
第3章 TensorFlow模型訓(xùn)練與flask調(diào)用
使用tensorflow訓(xùn)練線性模型和卷積神經(jīng)網(wǎng)絡(luò)，并使用flask進行調(diào)用發(fā)布。
- 視頻： 3-1 TensorFlow結(jié)合mnist進行線性模型訓(xùn)練（1） (15:30)
- 視頻： 3-2 TensorFlow結(jié)合mnist進行線性模型訓(xùn)練（2） (10:35)
- 視頻： 3-3 TensorFlow結(jié)合mnist進行線性模型訓(xùn)練（3） (09:01)
- 視頻： 3-4 TensorFlow結(jié)合mnist進行卷積模型訓(xùn)練（1） (06:21)
- 視頻： 3-5 TensorFlow結(jié)合mnist進行卷積模型訓(xùn)練（2） (05:26)
- 視頻： 3-6 TensorFlow結(jié)合mnist進行卷積模型訓(xùn)練（3） (07:43)
- 視頻： 3-7 TensorFlow結(jié)合mnist進行卷積模型訓(xùn)練（4） (07:18)
- 視頻： 3-8 使用前端界面調(diào)用flask發(fā)布的ckpt模型（1） (13:01)
- 視頻： 3-9 使用前端界面調(diào)用flask發(fā)布的ckpt模型（2） (10:53)
- 視頻： 3-10 課程總結(jié) (03:06)