Lex Fridman是麻省理工学院的人工智能研究科学家，他在Medium发文总结了深度学习的7种架构（7 architectural paradigms），以及每种架构对应的TensorFlow教程。

这7种架构又分为三类，监督学习(Supervised Learning)、无监督学习(Unsupervised Learning)、强化学习(Reinforcement Learning)。如下图所示：

1、Feed Forward Neural Networks (FFNNs)
前馈神经网络
对应的TensorFlow教程是Deep Learning Basics tutorial的第一部分。

2、Convolutional Neural Networks (CNNs)
卷积神经网络
对应的TensorFlow教程是Deep Learning Basics tutorial的第二部分。

3、Recurrent Neural Networks (RNNs)
循环神经网络
对应的TensorFlow教程是Text Generation with TensorFlow

4、Encoder-Decoder Architectures
编码器-解码器架构
对应的TensorFlow教程是Driving Scene segmentation

5、Autoencoders
自动编码器
对应的TensorFlow教程是TensorFlow Keras tutorial

6、Generative Adversarial Networks (GANs)
生成对抗网络
对应的TensorFlow教程是conditional GANs和DCGANs

7、Deep Reinforcement Learning (Deep RL)
深度强化学习
对应的教程tutorial及代码示例code samples

Lex Fridman个人网站：
https://lexfridman.com/

Lex Fridman的Github：
https://github.com/lexfridman/mit-deep-learning

麻省理工学院的课程页面，包括深度学习、深度强化学习、自动驾驶车辆、人工智能：
https://deeplearning.mit.edu/

Lex Fridman在Medium的文章：
MIT Deep Learning Basics: Introduction and Overview with TensorFlow