Tensorflow深度学习入门与实战

Tensorflow深度学习入门与实战

日月光华 日月光华数据分析系列课程主要面向python编程语言使用者,专注编程语言、爬虫、数据分析和机器学习等内容。
  • 课程目录
  • 课程介绍
  • 课时1:课程简介

  • 课时2:最新tensorflow 2.2 安装教程和 2.0 GPU版本安装教程

  • 课时3:Tensorflow2.0安装PPT

  • 课时4:Tensorflow2.0正式版的安装(选看)

  • 课时5:原生python环境安装tensorflow指南(选学)

  • 课时6:机器学习原理-线性回归

  • 课时7:tf.keras实现线性回归

  • 课时8:梯度下降算法

  • 课时9:多层感知器(神经网络)与激活函数

  • 课时10:多层感知器(神经网络)的代码实现

  • 课时11:逻辑回归与交叉熵

  • 课时12:逻辑回归实现

  • 课时13:softmax多分类(一)

  • 课时14:softmax多分类代码实现- fashion mnist数据分类实例

  • 课时15:独热编码与交叉熵损失函数

  • 课时16:优化函数、学习速率、反向传播算法

  • 课时17:网络优化与超参数选择

  • 课时18:Dropout抑制过拟合与网络参数选择总原则

  • 课时19:Dropout与过拟合抑制

  • 课时20:tf.keras函数式API

  • 课时21:tf.data模块简介

  • 课时22:tf.data模块用法示例

  • 课时23:tf.data输入实例(一)

  • 课时24:tf.data输入实例(二)

  • 课时25:认识卷积神经网络(一)

  • 课时26:认识卷积神经网络-卷积层和池化层

  • 课时27:卷积神经网络整体架构

  • 课时28:卷积神经网络识别Fashion mnist数据集

  • 课时29:搭建卷积神经网络

  • 课时30:卷积神经网络的优化

  • 课时31:卫星图像识别 卷积综合实例:图片数据读取

  • 课时32:卫星图像识别 卷积综合实例:读取和解码图片

  • 课时33:卫星图像识别 卷积综合实例:tf.data构造输入

  • 课时34:卫星图像识别 卷积综合实例: tf.data构建图片输入管道

  • 课时35:卫星图像识别 卷积综合实例: 分类模型训练

  • 课时36:批标准化

  • 课时37:批标准化的使用

  • 课时38:tf.keras序列问题 - 电影评论数据分类(一)

  • 课时39:tf.keras序列问题 - 电影评论数据分类(二)

  • 课时40:tf.keras 训练过程可视化及解决过拟合问题

  • 课时41:tf.keras图像识别 - 猫狗数据集实例(一)

  • 课时42:tf.keras图像识别 - 猫狗数据集实例(二)

  • 课时43:Eager模式简介

  • 课时44:Eager模式代码演示与张量

  • 课时45:变量与自动微分运算

  • 课时46:自动微分与自定义训练(一)

  • 课时47:Tensorflow自定义训练(二)

  • 课时48:Tensorflow自定义训练(三)

  • 课时49:Tensorflow自定义训练(四)

  • 课时50:tf.keras.metrics汇总计算模块

  • 课时51:tf.keras.metrics汇总计算应用实例(一)

  • 课时52:tf.keras.metrics汇总计算应用实例(二)

  • 课时53:利用回调函数使用Tensorboard

  • 课时54:Tensorboard启动和界面含义介绍

  • 课时55:自定义变量的tensorboard可视化

  • 课时56:自定义训练中的tensorboard可视化

  • 课时57:猫狗数据实例 - 数据读取

  • 课时58:猫狗数据实例 - 创建dataset

  • 课时59:猫狗数据实例 - 创建模型

  • 课时60:猫狗数据实例 - 损失函数与优化器

  • 课时61:猫狗数据实例 - 定义单批次训练函数

  • 课时62:使用kaggle训练模型

  • 课时63:在自定义训练中添加验证数据

  • 课时64:模型的训练与优化

  • 课时65:猫狗数据实例 - 图片增强

  • 课时66:模型的进一步优化与VGG网络

  • 课时67:预训练网络(迁移学习)基础知识

  • 课时68:迁移学习网络架构

  • 课时69:迁移学习的代码实现

  • 课时70:经典预训练网络权重分享和使用方法

  • 课时71:预训练网络使用——微调

  • 课时72:常见的预训练网络模型及使用示例

  • 课时73:多输出模型实例——数据加载

  • 课时74:多输出模型的创建

  • 课时75:多输出模型的编译和训练

  • 课时76:多输出模型的评价与模型预测

  • 课时77:保存整体模型

  • 课时78:.仅保存架构和仅保存权重

  • 课时79:使用回调函数保存模型

  • 课时80:在自定义训练中保存检查点

  • 课时81:常见图像处理任务

  • 课时82:图像和位置数据的解析与可视化

  • 课时83:图片缩放与目标值的规范

  • 课时84:数据读取与预处理(一)

  • 课时85:数据读取与预处理——创建目标数据datasets

  • 课时86:创建输入管道

  • 课时87:图像定位模型创建

  • 课时88:图像定位模型的预测

  • 课时89:图像定位的优化、评价和应用简介

  • 课时90:自动图运算

  • 课时91:GPU配置与使用策略

  • 课时92:图像语义分割简介

  • 课时93:图像语义分割网络结构——FCN

  • 课时94:图像语义分割网络FCN的跳接结构

  • 课时95:图像语义分割网络FCN代码实现(一)

  • 课时96:图像语义分割网络FCN代码实现(二)

  • 课时97:准备输入数据、可视化输入数据

  • 课时98:使用预训练网络

  • 课时99:获取模型中间层的输出

  • 课时100:FCN模型搭建(一)

  • 课时101:FCN模型搭建(二)

  • 课时102:FCN模型训练和预测

  • 课时103:Unet模型介绍

  • 课时104:城市街景数据集介绍

  • 课时105:获取图片路径,创建dataset

  • 课时106:读取数据集

  • 课时107:图片数据增强

  • 课时108:加载图像

  • 课时109: unet模型创建(上)

  • 课时110: unet模型创建(下)

  • 课时111:模型编译

  • 课时112:unet模型的训练和练习作业

  • 课时113:RNN循环神经网络简介

  • 课时114:tf.keras循环神经网络 - 航空评论数据预处理(一)

  • 课时115:tf.keras循环神经网络 - 航空评论数据预处理(二)

  • 课时116:tf.keras循环神经网络 - 航空评论数据分类模型

  • 课时117:RNN序列预测实例 - 空气污染预测 - 数据预处理(一)

  • 课时118:RNN序列预测实例 - 空气污染预测 - 数据预处理(二)

  • 课时119:RNN序列预测实例 - 空气污染预测 - 数据采样(一)

  • 课时120:RNN序列预测实例 - 空气污染预测 - 数据采样(二)

  • 课时121:RNN序列预测实例 - 空气污染预测 -  基础模型

  • 课时122:RNN序列预测实例 - 空气污染预测 - 搭建LSTM模型

  • 课时123:LSTM模型优化 - 多层LSTM 和训练速度衰减

  • 课时124:LSTM模型的预测和评价

  • 课时125:一维卷积简介

  • 课时126:一维卷积实例——文本分类

  • 课时127:一维卷积——叶子分类实例(1)

  • 课时128:一维卷积——叶子分类实例(2)

  • 课时129:一维卷积——叶子分类实例(3)

  • 课时130:一维卷积网络的优化(1)

  • 课时131:一维卷积网络的优化(2)

  • 课时132:注册和使用界面简介

  • 课时133:添加数据集和下载运行输出

  • 课时134:Tensorflow1.x版本课程介绍(续)

  • 课时135:Tensorflow的简介与安装

  • 课时136:课程更新介绍及安装提示(2019.02)

  • 课时137:Tensorflow数据流图、张量及数据类型

  • 课时138:Tensorflow中的session、占位符和变量

  • 课时139:机器学习基础-线性回归模型

  • 课时140:对数几率回归-数据预处理

  • 课时141:对数几率回归-定义网络

  • 课时142:多分类问题-IRIS数据集

  • 课时143:CNN卷积神经网络介绍

  • 课时144:Mnist手写数字数据集softmax识别

  • 课时145:卷积神经网络识别Mnist手写数字数据集

  • 课时146:Tensorflow读取机制与猫和狗识别数据集

  • 课时147:猫和狗数据集的CNN网络实现

  • 课时148:CNN保存检查点

  • 课时149:过拟合与正则化以及数据增强处理

  • 课时150:Cifar-10数据集的CNN实现

  • 课时151:批标准化简介与应用

  • 课时152:使用tf.data读取猫狗数据集(一)

  • 课时153:使用tf.data读取猫狗数据集(二)

  • 课时154:Feedable iterator使用实例(一)

  • 课时155:Feedable iterator使用实例(二)

  • 课时156:tf.layers模块常用方法(一)

  • 课时157:tf.layers模块常用方法(二)

  • 课时158:RNN循环神经网络简介

  • 课时159:RNN识别Mnist手写数字数据集

  • 课时160:美国航空公司Twitter评论数据集-数据预处理

  • 课时161:美国航空公司Twitter评论数据集-RNN实现

  • 课时162:练习作业-搜狗实验室搜狐新闻中文数据分类

  • 课时163:Anaconda的安装

  • 课时164:conda的使用

  • 课时165:Notebook页面介绍

  • 课时166:Jupyter notebook使用技巧(一)

  • 课时167:Jupyter notebook技巧(二)

课程概述

更新提示:
2020年10月12日更新一维卷积一章, 共7节。介绍一维卷积的概念、使用,并演示了评论情绪文本分类和kaggle叶子分类实例。
2020年5月6日更新unet图像语义分割一章 10节。使用城市街景语义分割数据集演示并讲解UNET语义分割模型的代码实现,同时提供了练习作业。
2020年4月15日更新 unet 语义分割模型作业。补充更新序列预测演示。
2019年12月26日更新图像语义分割一章第6-11节,讲解FCN语义分割模型的代码实现,并讲解了如何获取模型中间输出,同时复习了多输入输出模型。
2019年12月23日更新图像语义分割一章前5节。
2019年11月25日更新图像定位一章。同时更新自动图运算和GPU配置与使用策略。
————————————————————————
本课程用通俗易懂的实例,系统讲解了Tensorflow2.0的使用,是目前网易云课堂最简明易懂、最新最系统的 Tensorflow 2.0 教程,没有之一。
咱们的课程由主讲老师提供最优质的答疑群服务,学习讨论的氛围特别好!
————————————————————————
课程永久有效,提供全部数据集、代码和PPT。
————————————————————————
课程数据集和代码在 QQ答疑群(群号:1082334585)下载。

随机推荐

怡颗莓蓝莓可以入手吗?产品体验揭秘测评?

特仑苏牛奶乳品分享一下使用心得?老司机评测分享?

特仑苏牛奶乳品物有所值吗?产品体验揭秘测评?

bc babycare婴童浴巾-浴衣用户体验如何?使用感受大揭秘!

博朗9617s好用吗?最新评测揭秘!

时途适用苹果20W/30W充电器实际效果怎样?产品功能评测?