转眼又长大一岁，望着天上一轮明月，一家人一起过中秋，才是最美。

连续的降雨终于把气温从三十多度压到了二十多度，风风雨雨中，中小学也都迎来了新的学年。对于我这种上班族来说，终极体验就是电梯等更久通勤堵更久。不过最近路上不听歌，听先秦诸子，倒也是很好的解压方法。

最近深圳开启了台风模式，虽然大部分台风都没有正面袭来，但边缘擦过带来的大风大雨是少不了的，好在这段时间的雨比较温和，帮我们降降温就及时停手，真乃好雨知时节。

上节课我们使用 char-RNN 构造了一个可以模仿特朗普推特的语言模型，这节课我们来看看深度学习在自然语言处理领域的另一个重要应用 —— 机器翻译。

上一个台风刚走，下一个台风就迫不及待地赶来，只是这次没有带来大风大雨，带来的只有红色的黄昏和闷热的天气。好在周末也不需要经常在室外活动，就老老实实躲在家里叹空调。

上节课我们了解了图像的风格迁移，接下来我们来看看另一个非常出名的网络结构 —— RNN，以及语言模型这一应用场景。

随着一个又一个的台风袭来，慢慢都已经习惯了几日下雨几日晴的天气。不过这次的台风“利奇马”虽然有着和“萨其马”差不多的读音，但是给江浙、山东人民带来的并不是甜蜜的回忆。在这里要向奋斗在一线的工作人员致敬，并希望受灾的同胞能尽快恢复正常的生活。

上节课我们用 Tensorflow 搭建了一个简单的 CNN 模型，这节课我们看看除了 MNIST 之外我们还能做点什么

上节课我们了解了 CNN 的基本原理和经典网络，这节课我们就用 Tensorflow 来尝试构建一个 CNN 模型。

上节课我们了解了如何通过 Word2Vec 来处理文本，这节课我们就来看看如何处理图像。