Google老师亲授 TensorFlow2.0 入门到进阶 / Tensorflow源自Google,讲师亦来自Google,贴近源头,自然有不一样的干货
正十七

目前供职于Google,技术方向是深度学习,具有五年工作经验,曾先后在百度、腾讯工作。对机器学习算法抱有强烈的兴趣,先后从事过图像检索与分类、文本分类、人脸识别、广告点击率预估、图像翻译等方面的项目,有丰富的炼丹经验。讲课风格干货满满,希望大家能通过我的课程得到成长进步。

 
  • 课程目录
  • 课程介绍
  • 1-1 课程导学

  • 1-2 Tensorflow是什么

  • 1-3 Tensorflow版本变迁与tf1.0架构

  • 1-4 Tensorflow2.0架构

  • 1-5 Tensorflow&pytorch比较

  • 1-6 Tensorflow环境配置

  • 1-7 Google_cloud无GPU环境搭建

  • 1-8 Google_cloud_远程jupyter_notebook配置

  • 1-9 Google_cloud_gpu_tensorflow配置

  • 1-10 Google_cloud_gpu_tensorflow镜像配置

  • 1-11 AWS云平台环境配置

  • 2-1 tfkeras简介

  • 2-2 分类回归与目标函数

  • 2-3 实战分类模型之数据读取与展示

  • 2-4 实战分类模型之模型构建

  • 2-5 实战分类模型之数据归一化

  • 2-6 实战回调函数

  • 2-7 实战回归模型

  • 2-8 神经网络讲解

  • 2-9 实战深度神经网络

  • 2-10 实战批归一化、激活函数、dropout

  • 2-11 wide_deep模型

  • 2-12 函数API实现wide&deep模型

  • 2-13 子类API实现wide&deep模型

  • 2-14 wide&deep模型的多输入与多输出实战

  • 2-15 超参数搜索

  • 2-16 手动实现超参数搜索实战

  • 2-17 实战sklearn封装keras模型

  • 2-18 实战sklearn超参数搜索

  • 3-1 tf基础API引入

  • 3-2 实战tf.constant

  • 3-3 实战tf.strings与ragged tensor

  • 3-4 实战sparse tensor与tf.Variable

  • 3-5 实战自定义损失函数与DenseLayer回顾

  • 3-6 使子类与lambda分别实战自定义层次

  • 3-7 tf.function函数转换

  • 3-8 @tf.function函数转换

  • 3-9 函数签名与图结构

  • 3-10 近似求导

  • 3-11 tf.GradientTape基本使用方法

  • 3-12 tf.GradientTape与tf.keras结合使用

  • 3-13 章节总结

  • 4-1 data_API引入

  • 4-2 tf_data基础API使用

  • 4-3 生成csv文件

  • 4-4 tf.io.decode_csv使用

  • 4-5 tf.data读取csv文件并与tf.keras结合使用

  • 4-6 tfrecord基础API使用

  • 4-7 生成tfrecords文件

  • 4-8 tf.data读取tfrecord文件并与tf.keras结合使用

  • 4-9 章节总结

  • 5-1 课程引入

  • 5-2 泰坦尼克问题引入分析

  • 5-3 feature_column使用

  • 5-4 keras_to_estimator

  • 5-5 预定义estimator使用

  • 5-6 交叉特征实战

  • 5-7 TF1.0引入

  • 5-8 TF1.0计算图构建

  • 5-9 TF1.0模型训练

  • 5-10 TF1_dataset使用

  • 5-11 TF1_自定义estimator

  • 5-12 API改动升级与课程总结

  • 6-1 卷积神经网络引入与总体结构

  • 6-2 卷积解决的问题

  • 6-3 卷积的计算

  • 6-4 池化操作

  • 6-5 卷积神经网络实战

  • 6-6 深度可分离卷积网络

  • 6-7 深度可分离卷积网络实战

  • 6-8 Kaggle平台与10monkeys数据集介绍

  • 6-9 Keras generator读取数据

  • 6-10 10monkeys基础模型搭建与训练

  • 6-11 10monkeys模型微调

  • 6-12 keras generator读取cifar10数据集

  • 6-13 模型训练与预测

  • 6-14 章节总结

  • 7-1 循环神经网络引入与embedding

  • 7-2 数据集载入与构建词表索引

  • 7-3 数据padding、模型构建与训练

  • 7-4 序列式问题与循环神经网络

  • 7-5 循环神经网络实战文本分类

  • 7-6 文本生成之数据处理

  • 7-7 文本生成实战之构建模型

  • 7-8 文本生成实战之采样生成文本

  • 7-9 LSTM长短期记忆网络

  • 7-10 LSTM文本分类与文本生成实战

  • 7-11 subword文本分类之数据集载入与tokenizer

  • 7-12 subword文本分类之dataset变换与模型训练

  • 7-13 章节总结

  • 8-1 课程引入与GPU设置

  • 8-2 GPU默认设置

  • 8-3 内存增长和虚拟设备实战

  • 8-4 GPU手动设置实战

  • 8-5 分布式策略

  • 8-6 keras分布式实战

  • 8-7 estimator分布式实战

  • 8-8 自定义流程实战

  • 8-9 分布式自定义流程实战

  • 9-1 课程引入与TFLite_x264

  • 9-2 保存模型结构加参数与保存参数实战

  • 9-3 Keras模型转化为SavedModel

  • 9-4 签名函数转化为SavedModel

  • 9-5 签名函数,SavedModel和Keras模型到具体函数转换

  • 9-6 tflite保存与解释与量化

  • 9-7 tensorflowjs转换模型

  • 9-8 tensorflowjs搭建服务器载入模型实战

  • 9-9 Android部署模型实战与总结

  • 10-1 课程引入与seq2seq+attention模型讲解

  • 10-2 数据预处理理与读取

  • 10-3 数据id化与dataset生成

  • 10-4 Encoder构建

  • 10-5 attention构建

  • 10-6 Decoder构建

  • 10-7 损失函数与单步训练函数

  • 10-8 模型训练

  • 10-9 模型预测实现

  • 10-10 样例例分析与总结

  • 10-11 Transformer模型总体架构

  • 10-12 Encoder-Decoder架构与缩放点击注意力

  • 10-13 多头注意力与位置编码

  • 10-14 Add、Normalize、Decoding过程与总结

  • 10-15 数据预处理与dataset生成

  • 10-16 位置编码

  • 10-17 mask构建

  • 10-18 缩放点积注意力机制实现(1)

  • 10-19 缩放点积注意力机制实现(2)

  • 10-20 多头注意力机制实现

  • 10-21 feedforward层次实现

  • 10-22 EncoderLayer实现

  • 10-23 DecoderLayer实现

  • 10-24 EncoderModel实现

  • 10-25 DecoderModel实现

  • 10-26 Transformer实现

  • 10-27 自定义学习率

  • 10-28 Mask创建与使用

  • 10-29 模型训练

  • 10-30 模型预测实现

  • 10-31 attention可视化

  • 10-32 示例展示与实战总结

  • 10-33 GPT与Bert与课程总结

来自Google工程师的抢先版干货 以实战带你掌握Tensorflow2.0的方方面面

作为时下火热的深度学习框架,TF2.0 alpha版已发布,这必将会带来一些“新机会”,想学习深度学习的同学要抓紧了

  • 讲师来自Google 任资深算法工程师

    Google是Tensorflow的背书 Google的讲师就是课程质量的背书

  • 重实战,轻理论 配套多个热点项目

    每个项目都是真实项目的模型内核, 配套:机器翻译、多个Kaggle项目(图 像/文本分类/泰坦尼克生存预测)、 房价预测、文本生成等多个实战

  • 内容丰富全面 课程自带“干货”

    除模型搭建外,课程还会涉及模型 保存与部署、分布式训练、常用代 码库tfds、tensorboard/ tensor2tensor等常用工具使用

    • 多平台云端环境 GPU&kaggle数据集

      在多平台上配置云端环境体验GPU 刷kaggle数据集使大家一步一步成 为合格的深度学习er

    • 课程对使用TF1.0 的学员也非常友好

      以2.0为主,兼讲部分1.0内容及两 者的区别与联系,使1.0的学员可以 友好轻松的转到2.0

机器翻译(大实战)+Kaggle项目,别处没有的实战干货

不废话,直接上实战,在代码中学习资深工程师一线编程经验

流行案例实战:房价预测、文本生成、泰坦尼克生存预测

较前面的大实战,案例实战体量小一些,但这些案例却是生产上很实用,练手时很受用的经典案例

学员专享增值服务

问答专区,讲师集中答疑

关于课程的问题都可在问答区随时提问,讲师会进行集中答疑

源码开放,整套代码下载

课程案例代码完全开放给你,你可以根据所学知识,自行修改、优化

紧跟官网,持续更新内容

课程长期维护项目源码,持续为大家更新TensorFlow2.0新内容

适合人群

想转行到深度学习方向的工程师 学习了理论但欠缺实践的深度学习starter 有志于、感兴趣深度学习的爱好者们 想快速做实验完成研究任务毕设任务的同学们

技术储备要求

熟悉Python3基础语法 熟悉Linux环境 了解机器学习与深度学习基础知识

你觉得怎么样?期待您评价: