|
|
本帖最后由 冰点也疯狂 于 2020-2-26 14:49 编辑
2 r3 L/ w+ D( O, ]! F# Z; ?2 _: p3 A6 {; I( g
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。 2 u8 a: e( h2 Z% |8 W
课程收益:
' Z+ v% x/ M5 H: B, ]: t 1.掌握深度学习框架Tensorflow的基本语法
3 W& ] h- \1 p 2.熟练使用Tensorflow进行数据处理 5 X, b: G: T1 v( M/ [: ?
3.掌握神经网络构建方法,构建各种网络架构# ]9 q2 ~4 v! J' x& Z3 |6 w
4.掌握Tensorflow在卷积网络与自然语言处理中的应用方法 9 ?. ^4 ^2 E" N* [; t- Y1 D
5.掌握Tensorflow的可视化展示方法
3 T( S- V* R; y( m" O0 k5 w9 j
. o, ?* @* a- v4 O课程大纲:/ A1 r1 g" d- V( o
第1章:Tensorflow基本操作' [# n# y! A0 j7 E# }
1.Tensorflow简介与安装$ q$ T$ m3 L2 _" e( _3 H g2 D
2.Tensorflow中的变量) \$ w2 x1 x, H2 J2 s5 E
3.变量常用操作
- x% G2 T; a3 ` 4.实现线性回归算法
9 l; @% j# @+ s/ b7 d9 C7 f 5.Mnist数据集简介
* N N& c! M; Y8 J8 P% u 6.逻辑回归算法
5 F ]0 ]; X, M6 B 第2章:Tensorflow卷积神经网络- W( E8 |0 Q) `$ c8 ?& g \2 J
1.神经网络结构
' p! C8 b' p5 D 2.卷积网络结构基本定义" V( c' k v! a" j: H& U
3.卷积神经网络迭代8 Y9 z" A% m( [5 T+ V6 m n
4.Cifar-10图像分类任务
" D. r4 q. {: w( V4 x) m1 U# ` 第3章:卷积神经网络实战-猫狗识别
. Y% ^# Q+ v: P/ q% [ 1.猫狗识别任务概述
, |1 j( z) B; F2 M 2.猫狗识别数据读取
9 }9 @+ O r1 e$ Y: [, @9 }. ^: L4 \ 3.猫狗识别网络架构( Q, K/ c" I# G
4.网络迭代训练" J5 V% X9 k* b0 e* m2 a# t
5.猫狗测试网络效果
7 x1 P' M$ O. ^8 r" { 第4章:RNN递归神经网络实战
# s' \9 H% G u9 k+ c: o8 a 1.RNN网络基本架构 ! a; s- ? C f8 d- v
2.实现RNN网络架构
$ K/ _6 D; I2 R. G/ H- ~. K1 ~ 3.RNN实现自己的小demo
# v3 j7 n' g* ]% r- Y/ c, k( r 4.RNN预测时间序列/ U. e+ Y, f, L2 k+ l
第5章:致敬经典:ALEXNET网络实战
/ |" @3 k: x' W3 U7 x 1.Alexnet环境配置 2.Alexnet数据读取与参数设置6 f8 y- `* g& S! i9 [
3.Alexnet网络结构定义
1 S! A% Y) _2 I) F0 F( W 4.Alexnet加载训练好的参数 0 a( B( B7 Q' H) K
第6章:Tensorboard可视化展示2 V9 D5 V; j# V( U2 T: h
1.Tensorboard可视化展示 % Y& |7 j8 N: s: m0 K: j
2.Tensorboard展示效果 1 Q$ P! g% M, k+ D# {" @
3.Tensorboard统计可视展示. n w% z. b3 Y M' R
4.Tensorboard参数对结果影响展示
4 t# j9 u7 }7 n5 \ 第7章:tfrecord制作自己的数据集
8 ?1 A! o5 X' K* v- p, j 1.tfrecord生成自己的数据集
! r* E- s; s* c5 z 2.tfrecord读取数据
6 w" ~1 o& Z) l. x( ? 3.tfrecord生成数据源
x+ c# t; B( B 4.加载tfrecord进行分类任务* T+ D4 i1 v+ g/ P. b6 {3 l8 U
第8章:CNN应用于文本分类任务
3 m; V& d" s* ~* h' o 1.文本分类任务特征定义
7 y, t, g+ z8 F( e 2.卷积网络定义 ; D7 U a& |' V- X, K+ J" O7 ?
3.CNN应用于文本分类任务
- ]' E/ V' y0 {& ~1 n! h) N 4.完成预测分类任务
3 r0 {* z/ j9 A- t9 O1 \ 第9章:resnet残差网络/ v0 \% d* |0 k
1.resnet网络原理
) K* l& j* v, _ 2.resnet网络流程设计
; [4 b# {! ~9 W: ] 3.残差网络实现细节 - s$ W4 s: a3 X; \7 v8 C0 i0 g) x
第10章:验证码识别实战5 S3 P6 J6 y$ e
1.验证码数据生成
) x) ^& J5 L* W K+ D& |7 a8 O 2.构造网络的输入数据和标签 & }& `) N; h* \6 P" X
3.卷积网络模型定义4 Z2 o& a# O/ c
4.迭代及测试网络效果
* Y+ _) `* E* c9 }5 ~5 r6 c) K9 }5 y: \: N
2 b- D# }2 N% A' y0 Z
: [5 o8 E4 L( f4 E# `' G! N s7 M( V6 O- ^9 i2 l
7 `6 E, w! D- N
- b! G2 k6 M, @7 U4 n e+ R* X+ N& {$ M
# ]! q7 ~( n; Y# A
* a+ `( i( c$ Q6 u6 f* |4 g0 r, t' s
; E$ ?- q, P# u" i0 l' X+ l' x; n5 \1 G- n; i' _7 c
|
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?立即注册
×
|