深度学习框架-Tensorflow案例实战视频课程【22课时】

冰点也疯狂

! D1 F0 d" j7 x  \. Q
% y4 f: ?0 G8 F8 }; T深度学习框架Tensorflow案例实战视频培训课程概况： Tensorflow是谷歌开源的深度学习（包括机器学习）框架，伴随着人公智能业的兴盛其大名早已响彻云霄。本课程从Tensorflow安装开始讲起，从基本计算结构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深度学习框架Tensorflow，玩转Tensorflow模型训练、等所有知识点。
课程收益：
* o/ S5 {7 H$ Z' ~7 K    1.掌握深度学习框架Tensorflow的基本语法
    2.熟练使用Tensorflow进行数据处理
    3.掌握神经网络构建方法，构建各种网络架构
- S7 j: h6 V$ }/ [7 V1 K    4.掌握Tensorflow在卷积网络与自然语言处理中的应用方法
    5.掌握Tensorflow的可视化展示方法
$ s' d" k7 e# J5 K1 K- ~
课程大纲：
+ C; g! ?/ F' N4 k3 O  第1章:Tensorflow基本操作
4 y+ E. g& J4 q( r    1.Tensorflow简介与安装
0 C- T) v  W  ^0 o* R7 ]    2.Tensorflow中的变量
7 q, B* Y& Q, b+ u" M6 k/ K    3.变量常用操作
    4.实现线性回归算法
    5.Mnist数据集简介
    6.逻辑回归算法
4 Q. `& J, h  e% u0 N  第2章:Tensorflow卷积神经网络
    1.神经网络结构
/ H' G9 k9 Y# N+ ^5 K9 x    2.卷积网络结构基本定义
* a0 a  c% G2 T% G    3.卷积神经网络迭代
' s0 `& y: ~* b    4.Cifar-10图像分类任务
2 n, e3 \8 }  l8 Y3 o* ]  第3章:卷积神经网络实战-猫狗识别
    1.猫狗识别任务概述
' s2 J- r6 r# P9 Y    2.猫狗识别数据读取
5 _, p) c0 ], |4 `# O& }) B    3.猫狗识别网络架构
    4.网络迭代训练
    5.猫狗测试网络效果
) {3 A& k( `! I: s  第4章:RNN递归神经网络实战
+ I! ?; _% `, A) S2 f! A  G, l' g) ^    1.RNN网络基本架构
- B7 _. k& J* M% k1 l: y& Y6 x6 \; t    2.实现RNN网络架构
    3.RNN实现自己的小demo
    4.RNN预测时间序列
) t: \6 A) s! S/ h* V+ x  第5章:致敬经典：ALEXNET网络实战
    1.Alexnet环境配置     2.Alexnet数据读取与参数设置
0 q: f1 E" s  p7 c    3.Alexnet网络结构定义
* J, `: D# q/ H: v- m" [7 a4 m    4.Alexnet加载训练好的参数
  第6章:Tensorboard可视化展示
" L# Z0 t( T( r9 f4 F    1.Tensorboard可视化展示  
    2.Tensorboard展示效果
    3.Tensorboard统计可视展示
    4.Tensorboard参数对结果影响展示
3 k. F; t/ a. ~- a/ J  F9 _- d  第7章:tfrecord制作自己的数据集
/ r& e4 B8 B; w: X+ ^& \$ i% c    1.tfrecord生成自己的数据集
    2.tfrecord读取数据
$ q( u% L8 n- E3 h0 K    3.tfrecord生成数据源  
    4.加载tfrecord进行分类任务
  c, I" k, M  @6 n9 B0 C9 @  第8章:CNN应用于文本分类任务
    1.文本分类任务特征定义
6 h3 U. M6 p  b& _, J    2.卷积网络定义
    3.CNN应用于文本分类任务
# [. s. j9 {" p( y) R5 `) U    4.完成预测分类任务
  第9章:resnet残差网络
    1.resnet网络原理  
4 E+ n8 K3 Z3 E1 h- y4 e, X    2.resnet网络流程设计
    3.残差网络实现细节
. C: v( {/ V; Q3 y' J8 R1 Z  第10章:验证码识别实战
    1.验证码数据生成
    2.构造网络的输入数据和标签
    3.卷积网络模型定义
    4.迭代及测试网络效果

游客，如果您要查看本帖隐藏内容请回复

  x& t0 l( B$ l" ~7 K' N" j
! B+ M& S1 n2 u1 P  s! ~5 |
0 U) R2 C9 l0 e, U4 K

( R2 `$ ?5 b4 ]0 U$ C
2 y# U) \5 [9 n+ F: c: E

, d' H" U5 F! O9 {( T

m9128213

很棒的教程～～