
TensorFlow深度学习实战
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