当前位置:首页 > 全部课程 > 算法模型 > 机器学习 > 《深度学习与TensorFlow 2入门实战
深度学习与TensorFlow 2入门实战

已完结 深度学习与TensorFlow 2入门实战

6人已学习 收藏 分享赚 ¥44.9元
价 格
89.00 ~ 449.00
打开微信扫描二维码
点击右上角进行分享

开通以下任意VIP等级即可免费学习本课程

我已阅读并同意《VIP服务协议》
开通 取消

详情

目录

资料(4)

评价(0)

【课程详情】

  • 01.深度学习初见

    • 课时1 深度学习框架介绍-1

    • 课时2 深度学习框架介绍-2

    • 课时3 开发环境安装-1

    • 课时4 开发环境安装-2


  • 02.开发环境全程实录

    • 课时5 win10平台实录-1

    • 课时6 win10平台实录-2

    • 课时7 Ubuntu平台实录-cuda安装

    • 课时8 Ubuntu平台实录-anaconda安装

    • 课时9 Ubuntu平台实录-tensorlow、pytorch安装

    • 课时10 Ubuntu平台实录-pycharm安装


  • 03.回归问题

    • 课时11 线性回归-1

    • 课时12 线性回归-2

    • 课时13 回归问题实战-1

    • 课时14 回归问题实战-2

    • 课时15 手写数字问题-1

    • 课时16 手写数字问题-2

    • 课时17 手写数字问题-3

    • 课时18 手写数字问题初体验-1

    • 课时19 手写数字问题初体验-2


  • 04.Tensorflow 2基础操作

    • 课时20 tensorflow数据类型-1

    • 课时21 tensorflow数据类型-2

    • 课时22 创建Tensor-1

    • 课时23 创建Tensor-2

    • 课时24 创建Tensor-3

    • 课时25 索引与切片-1

    • 课时26 索引与切片-2

    • 课时27 索引与切片-3

    • 课时28 索引与切片-4

    • 课时29 索引与切片-5

    • 课时30 维度变换-1

    • 课时31 维度变换-2

    • 课时32 维度变换-3

    • 课时33 Broadcasting-1

    • 课时34 Broadcasting-2

    • 课时35 数学运算

    • 课时36 前向传播(张量)-实战-1

    • 课时37 前向传播(张量)-实战-2

    • 课时38 前向传播(张量)-实战-3

    • 课时39 前向传播(张量)-实战-4


  • 05.tensorflow 2高阶操作

    • 课时40 合并与分割

    • 课时41 数据统计

    • 课时42 张量排序-1

    • 课时43 张量排序-2

    • 课时44 填充与复制

    • 课时45 张量限幅-1

    • 课时46 张量限幅-2

    • 课时47 高阶操作-1

    • 课时48 高阶操作-2


  • 06 神经网络与全连接层

    • 课时49 数据加载-1

    • 课时50 数据加载-2

    • 课时51 数据加载-3

    • 课时52 测试(张量)实战

    • 课时53 全连接层-1

    • 课时54 全连接层-2

    • 课时55 输出方式

    • 课时56 误差计算-1

    • 课时57 误差计算-2

    • 课时58 误差计算-3


  • 07 随机梯度下降

  • 08.Keras高层接口

    • 课时76 Keras高层API-1

    • 课时77 Keras高层API-2

    • 课时78 Keras高层API-3

    • 课时79 自定义层或网络-1

    • 课时80 自定义层或网络-2

    • 课时81 模型保存与加载

    • 课时82 CIFAR10自定义网络实战-1

    • 课时83 CIFAR10自定义网络实战-2

    • 课时84 CIFAR10自定义网络实战-3


  • 09.过拟合

    • 课时85 过拟合与欠拟合

    • 课时86 交叉验证-1

    • 课时87 交叉验证-2

    • 课时88 Regularization

    • 课时89 动量与学习率

    • 课时90 Early stopping,Dropout


  • 10.卷积神经网络

    • 课时86 什么是卷积-1

    • 课时87 什么是卷积-2

    • 课时88 什么是卷积-3

    • 课时89 什么是卷积-4

    • 课时90 卷积神经网络-1

    • 课时91 卷积神经网络-2

    • 课时92 卷积神经网络-3

    • 课时93 卷积神经网络-4

    • 课时94 池化与采样

    • 课时95 CIFAR100与VGG13实战-1

    • 课时96 CIFAR100与VGG13实战-2

    • 课时97 CIFAR100与VGG13实战-3

    • 课时98 CIFAR100与VGG13实战-4

    • 课时99 经典卷积网络VGG, GoogLeNet, Inception-1

    • 课时100 经典卷积网络VGG, GoogLeNet, Inception-2

    • 课时101 BatchNorm1

    • 课时101 BatchNorm2

    • 课时102 ResNet, DenseNet - 1

    • 课时103 ResNet, DenseNet - 2

    • 课时104 ResNet实战-1

    • 课时105 ResNet实战-2

    • 课时106 ResNet实战-3

    • 课时107 ResNet实战-4


  • 11.循环神经网络RNN

    • 课时108 序列表示方法-1

    • 课时109 序列表示方法-2

    • 课时110 循环神经网络层-1

    • 课时111 循环神经网络层-2

    • 课时112 RNNCell使用-1

    • 课时113 RNNCell使用-2

    • 课时114 RNN与情感分类问题实战-加载IMDB数据集

    • 课时115 RNN与情感分类问题实战-单层RNN Cell

    • 课时116 RNN与情感分类问题实战-网络训练

    • 课时117 RNN与情感分类问题实战-多层RNN Cel

    • 课时118 GRU原理与实战

    • 课时118 lstm-1

    • 课时118 lstm-2

    • 课时118 LSTM实战

    • 课时118 梯度弥散与梯度爆炸


  • 12.自编码器Auto-Encoders

    • 课时119 无监督学习

    • 课时120 Auto-Encoders原理

    • 课时121 Auto-Encoders变种

    • 课时122 Adversarial Auto-Encoders

    • 课时123 Variational Auto-Encoders引入

    • 课时124 Reparameterization Trick

    • 课时125 Variational Auto-Encoders原理

    • 课时126 Auto-Encoders实战-创建编解码器

    • 课时127 Auto-Encoders实战-训练

    • 课时128 Auto-Encoders实战-测试

    • 课时129 VAE实战-创建网络

    • 课时130 VAE实战-KL Divergence计算

    • 课时131 VAE实战-训练与测试


  • 13.对抗生成网络GAN

    • 课时132 数据的分布

    • 课时133 画家的成长历程

    • 课时134 GAN原理

    • 课时135 纳什均衡-D

    • 课时136 纳什均衡-G

    • 课时137 JS散度的缺陷

    • 课时138 EM距离

    • 课时139 WGAN-GP原理

    • 课时140 GAN实战-1

    • 课时141 GAN实战-2

    • 课时142 GAN实战-3

    • 课时143 GAN实战-4

    • 课时144 GAN实战-5

    • 课时146 WGAN实战-1

    • 课时147 WGAN实战-2


  • 14.【选看】人工智能发展简史

    • 课时148 生物神经元结构

    • 课时149 感知机的提出

    • 课时150 BP神经网络

    • 课时151 CNN和LSTM的发明

    • 课时152 人工智能低谷

    • 课时153 深度学习的诞生

    • 课时154 深度学习的爆发


  • 15.【选看】Numpy实战BP神经网络

    • 课时155 权值的表示

    • 课时156 多层感知机的实现

    • 课时157 BP神经网络前向传播

    • 课时158 BP神经网络反向传播-1

    • 课时159 BP神经网络反向传播-2

    • 课时160 BP神经网络反向传播-3

    • 课时161 多层感知机的训练

    • 课时162 多层感知机的测试

    • 课时163 实战小结


相关说明:

1、资源部分来源于网络公开发表文件,所有资料仅供学习交流。

2、所收取费用仅用来维系网站运营,性质为用户友情赞助,并非售卖文件费用。

3、如侵犯您的权益,请联系管理员处理。

综合
好评
0%
  • 综合评分5.00
  • 内容实用5.00
  • 通俗易懂5.00
友情链接:

邮箱:didabiancheng@126.com

地址:厦门火炬高新区软件园创新大厦C区3F-A487

Android/IOS App

微信小程序

微信公众号

VIP特权
微信客服
微信扫一扫咨询客服