TensorFlow 2项目进阶实战

TensorFlow 2项目进阶实战 / 手把手带你打通AI项目落地全流程

彭靖田 Google Developer Expert、《TensorFlow 快速入门与实战》作者

  • 课程介绍

  1. 04 | TensorFlow 2核心模块

  2. 05 | TensorFlow 2 vs TensorFlow 1.x

  3. 06 | TensorFlow 2落地应⽤

  4. 07 | TensorFlow 2开发环境搭建

  5. 08 | TensorFlow 2数据导入与使⽤

  6. 09 | 使用tf.keras.datasets加载数据

  7. 10 | 使用tf.keras管理Sequential模型

  8. 11 | 使用tf.keras管理functional API

  9. 12 | Fashion MNIST数据集介绍

  10. 13 | 使用TensorFlow2训练分类网络

  11. 14 | 行业背景：AI新零售是什么?

  12. 15 | 用户需求：线下门店业绩如何提升？

  13. 16 | 长期⽬标：货架数字化与业务智能化

  14. 17 | 短期目标：自动化陈列审核和促销管理

  15. 18 | 方案设计：基于深度学习的检测/分类的AI流水线

  16. 19 | 方案交付：支持在线识别和API调用的AI SaaS

  17. 20 | 基础：目标检测问题定义与说明

  18. 21 | 基础：深度学习在目标检测中的应用

  19. 22 | 理论：R-CNN系列二阶段模型综述

  20. 23 | 理论：YOLO系列一阶段模型概述

  21. 24 | 应用：RetinaNet 与 Facol Loss 带来了什么

  22. 25 | 应用：检测数据标注方法与流程

  23. 26 | 应用：划分检测训练集与测试集

  24. 27 | 应用：生成 CSV 格式数据集与标注

  25. 28 | 应用：使用TensorFlow 2训练RetinaNet

  26. 29 | 应用：使用RetinaNet检测货架商品

  27. 30 | 扩展：目标检测常用数据集综述

  28. 31 | 扩展：目标检测更多应用场景介绍

  29. 32 | 基础：图像分类问题定义与说明

  30. 33 | 基础：越来越深的图像分类网络

  31. 34 | 应⽤：检测SKU抠图与分类标注流程

  32. 35 | 应⽤：分类训练集与验证集划分

  33. 36 | 应⽤：使⽤TensorFlow 2训练ResNet

  34. 37 | 应用：使用ResNet识别货架商品

  35. 38 | 扩展：图像分类常用数据集综述

  36. 39 | 扩展：图像分类更多应⽤场景介绍

  37. 40 | 串联AI流程理论：商品检测与商品识别

  38. 41 | 串联AI流程实战：商品检测与商品识别

  39. 42 | 展现AI效果理论：使用OpenCV可视化识别结果

  40. 43 | 展现AI效果实战：使用OpenCV可视化识别结果

  41. 44 | 搭建AI SaaS理论：Web框架选型

  42. 45 | 搭建AI SaaS理论：数据库ORM选型

  43. 46 | 搭建AI SaaS理论：10分钟快速开发AI SaaS

  44. 47 | 搭建AI SaaS实战：10 分钟快速开发AI SaaS

  45. 48 | 交付AI SaaS：10分钟快速掌握容器部署

  46. 49 | 交付AI SaaS：部署和测试AI SaaS

  47. 50 | 使⽤TensorFlow 2实现图像数据增强

  48. 51 | 使⽤TensorFlow 2实现分布式训练

  49. 52 | 使⽤TensorFlow Hub迁移学习

  50. 53 | 使⽤@tf.function提升性能

  51. 54 | 使⽤TensorFlow Serving部署云端服务

  52. 55 | 使⽤TensorFlow Lite实现边缘智能

  53. 56 | 结束语

课程介绍

你将获得 TensorFlow 2 核心思想和实战技能 AI 项目的设计思路和关键原则 完整落地一个 AI 新零售项目 落地 AI 项目的踩坑与填坑经验 讲师介绍 课程介绍 TensorFlow 2.0...

你将获得

  1. TensorFlow 2 核心思想和实战技能
  2. AI 项目的设计思路和关键原则
  3. 完整落地一个 AI 新零售项目
  4. 落地 AI 项目的踩坑与填坑经验

讲师介绍


课程介绍

TensorFlow 2.0 发布已有一年多，但仍有很大量开发者不愿从 1.x 升级，或从别的框架迁移过来。事实上，TensorFlow 2 不仅继承了 Keras 快速上手和易于使用的特性，还扩展了原有 Keras 所不支持的分布式训练，并整合了 TF 生态的其他组件（如 TF Serving、TF Lite、TF Hub、TFX 等），可有效提升生产环境的稳定性和可维护性。

对学习者来说，从工具使用到实战项目的落地，中间还有很长的路要走，有不少坑要去填。可以说，想要顺利落地基于 TensorFlow 2 的 AI 项目，并不是一件容易的事。

因此，我们希望通过本课程来帮助学员了解AI落地的设计思路和经验，手把手带你落地一个完整的AI项目，知道这个过程中会有哪些坑，如何去避免。同时，你也能通过实战进一步提升自己的AI技术，达到对 TensorFlow 2 的熟练运用。


课程目录


特别放送

免费领取福利


限时活动推荐


订阅须知