TensorFlow 2.0: 关于全新TensorFlow的完整指南
4.7 (24 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
126 students enrolled

TensorFlow 2.0: 关于全新TensorFlow的完整指南

利用TensorFlow 2.0构建精彩的深度学习和人工智能应用(英语授课)
4.7 (24 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
126 students enrolled
Last updated 10/2019
Simplified Chinese
Simplified Chinese
Current price: $13.99 Original price: $19.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 13 hours on-demand video
  • 8 articles
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • 如何在数据科学中使用Tensorflow 2.0
  • Tensorflow 1.x和Tensorflow 2.0之间的重要差异
  • 如何在Tensorflow 2.0中实现人工神经网络
  • 如何在Tensorflow 2.0中实现卷积神经网络
  • 如何在Tensorflow 2.0中实现递归神经网络
  • 如何在Tensorflow 2.0中构建你自己的迁移学习应用
  • 如何通过强化学习(深度-Q网络)来构建股票市场交易机器人
  • 如何在Tensorflow 2.0中构造机器学习流水线
  • 如何通过TensorFlow Data Validation和TensorFlow Transform进行数据验证和数据集预处理
  • 将TensorFlow 2.0模型放入生产
  • 如何利用Flask和TensorFlow 2.0创造一个Fashion API
  • 如何通过RESTful API为TensorFlow模型提供服务
Course content
Expand all 128 lectures 12:59:24
+ TensorFlow 2.0 基础
4 lectures 32:43
从TensorFlow 1.x 到 TensorFlow 2.0
11:27
张量运算
06:20
字符串
06:04
+ 人工神经网络
7 lectures 36:11
项目设置
06:07
数据预处理
07:48
构建人工神经网络
10:30
构建人工神经网络
07:08
评估人工神经网络
04:37
人工神经网络测验
3 questions
家庭作业: 人工神经网络
00:01
家庭作业解答: 人工神经网络
00:00
+ 卷积神经网络
5 lectures 30:19
构建卷积神经网络
14:34
训练和评估卷积神经网络
07:49
卷积神经网络测验
4 questions
家庭作业: 卷积神经网络
00:01
家庭作业解答: 卷积神经网络
00:00
+ 递归神经网络
3 lectures 21:20
项目设置 & 数据预处理
07:19
构建递归神经网络
06:41
训练和评估递归神经网络
07:20
递归神经网络测验
3 questions
+ 迁移学习和微调
15 lectures 45:47
项目设置
03:47
数据预处理
05:51
加载 MobileNet V2 模型
03:16
冻结预训练模型
01:22
为预训练模型添加自定义头
03:33
定义迁移学习模型
01:59
编译迁移学习模型
02:55
图像数据生成器
05:30
迁移学习
02:27
评估迁移学习结果
01:29
微调模型定义
04:01
编译微调模型
01:09
微调
02:03
评估微调结果
01:31
迁移学习测验
3 questions
+ 深度强化学习理论
9 lectures 02:13:59
什么是强化学习?
11:26
贝尔曼方程
18:25
马尔可夫决策过程 (MDP)
16:27
时间差分
19:27
深度Q-学习直觉力 - 步骤 1
15:15
深度Q-学习直觉力 - 步骤 2
06:06
经验回放
15:45
动作选择策略
16:23
+ 用于股票市场交易的深度强化学习
12 lectures 54:05
AI 交易员 - 步骤 1
06:19
AI 交易员 - 步骤 2
02:17
AI 交易员 - 步骤 3
02:26
AI 交易员 - 步骤 4
02:58
AI 交易员 - 步骤 5
05:34
数据集加载模块函数
06:28
状态创建模块函数
08:00
加载数据集
01:35
定义模型
02:39
训练循环 - 步骤 1
05:42
训练循环 - 步骤 2
07:39
+ 使用TensorFlow Data Validation (TFDV)进行数据验证
8 lectures 22:28
项目设置
03:30
加载污染数据集
04:04
创建数据集 Schema
04:59
计算测试集统计信息
00:36
使用TensorFlow Data Validation进行异常检测
04:18
为生产准备 Schema
03:34
保存 Schema
01:22
下一步做什么? TEXT
00:05
+ 使用TensorFlow Transform (TFT)进行数据集预处理
6 lectures 27:07
项目设置
02:07
初始数据集预处理
06:29
数据集元数据
04:06
预处理函数
05:12
数据集预处理流水线
09:08
下一步做什么? TEXT
00:05
Requirements
  • 一些数学基础,比如了解对差分、梯度有所了解
  • Python基础
Description

欢迎来到TensorFlow 2.0!

刚刚发布的TensorFlow 2.0引入了诸多功能来简化模型的开发和维护过程。在教学方面,通过将许多复杂概念进行简化来增进人们的理解。从工业界的角度,模型变得更容易理解、维护和开发。

深度学习是人工智能发展最快的领域之一。在过去几年中,我们已经证实深度学习模型,即使是最简单的模型,也能够解决非常困难和复杂的问题。如今,随着深度学习的流行语时代成为过去时,人们正在不断释放其威力和潜能,用来改进他们的产品。

本课程的结构设计涵盖包括从神经网络建模,训练,到将模型投入生产环境的全部主题。

在课程的第1部分,您会了解到贯穿我们整个课程的技术栈(第1节),以及TensorFlow 2.0库的基础和语法(第2节)。

在课程的第2部分,我们将进入激动人心的深度学习领域。在这部分的课程中,您将亲手实现若干类型的神经网络(全连接神经网络(第3节),卷积神经网络(第4节),递归神经网络(第5节))。在这部分的尾声,第6节,您将学习并创建这些神经网络的迁移学习应用,这些应用在“猫狗分类”数据集上取得了目前最为领先(SOTA)的结果。

在完成课程第2部分,并最终掌握如何实现神经网络之后,您将在课程的第3部分学习如何利用强化学习,尤其是深度-Q学习,来构造自己的股票市场交易机器人模型。

课程第4部分全部是关于TensorFlow Extended (TFX)的内容。在这部分课程中,您会学习如何处理数据,并创建用于生产的数据流水线。在第8节,我们将通过TensorFlow Data Validation库查看数据集是否存在异常,在这之后的第9节,我们会通过TensorFlow Transform库来构造数据预处理流水线。

在课程第10节,您会通过Flask Python库和训练好的模型,来学习和创建自己的Fashion API。在这一节中,您将更好的了解如何通过互联网向一个模型发送请求。但是在这个阶段,以模型为中心的体系并不能扩展到能够接受数百万的请求。那么当我们进入第11节,在这部分课程中,您将学习如何通过TensorFlow Serving库来改进我们前一节的解决方案。您将轻松学习并创建能够支持每日数百万请求的图像分类API!

当前,在Android和iOS应用中使用深度学习模型正在变得逐渐流行,但神经网络需要大量的耗电以及资源!这时,TensorFlow Lite库就要发挥作用了。在课程第12节,您将学习对神经网络进行优化和转换,以适应移动设备的要求。

在本课程的尾声,即课程第5部分,在第13节中您将学习如何通过TensorFlow 2.0库,将任意神经网络的训练分布到多个GPU,甚至是服务器上。

Who this course is for:
  • 希望学习Tensorflow 2.0的深度学习工程师
  • 希望扩展其深度学习技能的人工智能工程师
  • 希望进入激动人心的深度学习和人工智能领域的计算机科学家
  • 希望将AI技能提升一个台阶的数据科学家
  • 希望扩展到应用领域的AI专家
  • 希望进入令人激动的深度学习和人工智能领域的Python开发者
  • 科技和自动化领域的工程师
  • 希望引领浪潮的商界和公司
  • 希望从事数据科学、机器学习、或人工智能的技术专业的学生
  • 任何对人工智能怀有激情的人们