新工科 课程 TensorFlow深度学习实战
课程封面
TensorFlow深度学习实战
人工智能 人工智能
我们正处于一个日新月异、飞速变革的时代,层出不穷的新技术每天都在冲击和改变我们的生活,人工智能无疑是其中最受关注、也是影响最为深远的技术领域。为了提高科研和应用的开发效率,面向深度学习的开发框架不断涌现,而TensorFlow就是其中的佼佼者,课程从TensorFlow的基本计算结构开始讲起,逐步延伸到深度学习各大神经网络,全程案例代码实战,一步步带大家入门如何使用TensorFlow玩转深度学习。课程风格通俗易懂,快速掌握当下最热门的深度学习框架。
课程大纲
    第一章 走进深度学习世界
    * 本章介绍
    1.1 走进深度学习世界
    第二章 配置深度学习开发环境
    * 本章介绍
    2.1 配置深度学习开发环境
    第三章 构建二维线性拟合模型
    * 本章介绍
    3.1 TensorFlow运行机制
    3.2 TensorFlow数据模型
    3.3 变量的定义与使用
    3.4 变量管理与模型数据喂入
    3.5 保存与恢复模型
    3.6 构建二维线性拟合模型
    第四章 构建泰坦尼克号生存率模型
    * 本章介绍
    4.1 M-P 神经元与神经网络前向传输过程
    4.2 训练BP神经网络模型参数
    4.3 激活函数实现非线化
    4.4 损失函数减少误差
    4.5 梯度下降使模型逼近最小偏差
    4.6 优化模型
    4.7 预测泰坦尼克号生存率
    第五章 构建手写字识别模型
    * 本章介绍
    5.1 熟悉mnist数据集
    5.2 构建mnist识别模型(模型简介与前向传输过程)
    5.3 构建mnist识别模型(优化、保存及验证模型)
    5.4 配置与使用TensorBoard可视化环境
    5.5 可视化手写字识别模型
    第六章 卷积神经网路优化手字识别模型
    * 本章介绍
    6.1 卷积神经网络及其特征
    6.2 卷积神经网络相关操作
    6.3 DropOut机制与多卷积核
    6.4 构建LeNet-5手写字识别模型(模型简介与向前传输)
    6.5 构建LeNet-5手写字识别模型(优化与保存模型)
    6.6 构建LeNet-5手写字识别模型(使用验证集验证模型)
    第七章 构建物体分类模型
    * 本章介绍
    7.1 读取并显示CIFAR-10数据集数据
    7.2 构建与解析数据集中的数据
    7.3 迭代与批处理数据集中的数据
    7.4 构建物体分类模型(AlexNet模型数据批处理)
    7.5 构建物体分类模型(AlexNet模型构建与保存)
    7.6 TensorFlow 2.0 新特性
课件资源
  • 视频数

    74
  • 文档数

    44
  • 题目数

    244
  • 实验数

    30

如果您想对我们的产品和服务更进一步了解
请用下面的方式和我们联系

电子邮箱:business@yundaxue.org(会在1个工作日之内和您接洽)

联系电话:400-828-1210(周一至周五 9:00-18:00 )