Python深度学习与Tensorflow2实战(2020新版)
4.4 (18 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.
124 students enrolled

Python深度学习与Tensorflow2实战(2020新版)

tensorflow2版本实战
4.4 (18 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.
124 students enrolled
Created by 唐宇迪 唐
Last updated 1/2020
Simplified Chinese
Current price: $69.99 Original price: $99.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 18 hours on-demand video
  • 1 article
  • 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
  • Tensorflow基础操作
  • Tensorflow核心Api
  • 数据集制作方法
  • 图像数据与文本数据预处理实战
  • 图像识别模型构建
  • 文本分类模型构建
  • 神经网络基础
  • 卷积神经网络原理
  • 递归神经网络
  • 对抗生成网络架构及其实战
  • CycleGan图像融合
  • 基于Tensorflow构建各大经典网络模型
  • 基于TF的开源项目实战
Course content
Expand all 127 lectures 17:46:58
+ tensorflow安装与简介
5 lectures 30:22
Tensorflow2版本安装方法
10:05
tf基础操作展示
07:54
课程数据代码下载(谷歌网盘)
00:07
+ 神经网络原理解读与整体架构
13 lectures 02:07:56
深度学习要解决的问题
07:55
深度学习应用领域
14:06
计算机视觉任务
05:48
视觉任务中遇到的问题
10:01
得分函数
07:14
损失函数的作用
10:42
前向传播整体流程
13:45
返向传播计算方法
09:33
神经网络整体架构
10:52
神经网络架构细节
10:54
神经元个数对结果的影响
07:11
正则化与激活函数
08:49
神经网络过拟合解决方法
11:06
+ 搭建神经网络进行分类与回归任务
7 lectures 01:01:37
任务目标与数据集简介
07:24
建模流程与API文档
06:48
网络模型训练
07:48
模型超参数调节与预测结果展示
11:11
分类模型构建
09:28
tf.data模块解读
08:14
模型保存与读取实例
10:44
+ 卷积神经网络原理与参数解读
12 lectures 01:25:18
卷积神经网络应用领域
07:25
卷积的作用
09:23
卷积特征值计算方法
08:07
得到特征图表示
06:59
步长与卷积核大小对结果的影响
08:11
边缘填充方法
06:30
特征图尺寸计算与参数共享
07:02
池化层的作用
05:38
整体网络架构
06:20
VGG网络架构
06:16
残差网络Resnet
07:41
感受野的作用
05:46
+ 猫狗识别实战
4 lectures 32:13
猫狗识别任务与数据简介
05:38
卷积网络涉及参数解读
06:32
网络架构配置
08:27
卷积模型训练与识别效果展示
11:36
+ 图像数据增强实例
3 lectures 32:59
数据增强概述
11:41
图像数据变换
15:33
猫狗识别任务数据增强实例
05:45
+ 训练策略-迁移学习实战
7 lectures 01:05:47
迁移学习的目标
05:31
迁移学习策略
07:11
Resnet原理
11:54
加载训练好的经典网络模型
09:16
Callback模块与迁移学习实例
11:17
tfrecords数据源制作方法
10:38
图像数据处理实例
10:00
+ 递归神经网络与词向量原理解读
6 lectures 51:00
RNN网络架构解读
11:27
词向量模型通俗解释
08:14
模型整体框架
10:09
训练数据构建
05:10
CBOW与Skip-gram模型
08:20
负采样方案
07:40
+ 基于TensorFlow实现word2vec
5 lectures 37:39
任务流程解读
06:29
模型定义参数设置
06:05
文本词预处理操作
05:29
训练batch数据制作
11:15
损失函数定义与训练结果展示
08:21
+ 基于RNN模型进行文本分类任务
9 lectures 01:13:48
任务目标与数据介绍
05:06
RNN模型输入数据维度解读
06:59
数据映射表制作
10:11
embedding层向量制作
10:26
数据生成器构造
09:55
双向RNN模型定义
06:25
自定义网络模型架构
10:59
训练策略指定
06:06
训练文本分类模型
07:41
Requirements
  • 熟悉Python即可
Description

课程主要包括两大模块(原理和实战),首先会通俗讲解深度学习中各大经典网络架构并基于tensorflow2版本进行实例演示,详解网络模型训练方法与策略。项目实战全部基于真实数据集与实际任务进行展开,零基础入门深度学习与TF框架并进行进阶提升!

Who this course is for:
  • 人工智能深度学习方向的同学们