Tensorflow基础入门系列—2833人已学习
课程介绍
本课程上半部分会从Tensorflow基础的框架开始介绍,从Tensorflow的安装开始,一步一步仔细讲解Tensorflow中的各种技术细节。让大家上手编写神经网络。同时也会补充一些深度学习相关的理论知识,如交叉熵,Softmax函数,深度学习中各种优化器的算法和应用等内容。 下半部分会从头开始详细讲解几个深度学习的项目,如图像识别,验证码识别,word2vec,文本分类,语音分类等。
课程收益
了解Tensorflow基本框架,学会Tensorflow的基本应用如优化器使用,Dropout使用等待。学会使用Tensorflow中的卷积神经网络CNN以及长短时记忆网络LSTM,学会使用Tensorboard去调试网络。
讲师介绍
覃秉丰 更多讲师课程
机器学习,深度学习神经网络领域多年开发研究经验,精通算法原理与编程实践。曾完成过多项图像识别,目标识别,语音识别的实际项目,经验丰富。关注深度学习领域各种开源项目,如TensorFlow,Caffe,Torch等。喜欢理论与实践相结合的教学风格,课程编排由浅入深,体系清晰完整。
课程大纲
第1章:Anaconda和Tensorflow安装
1. Tensorflow简介 11:06
2. Anaconda的安装 8:13
3. Tensorflow的安装 5:24
第2章:Tensorflow的基础使用
1. 创建图-启动图 11:57
2. 变量 11:21
3. fetch and feed 7:49
4. Tensorflow简单案例 13:24
第3章:Tensorflow线性回归以及分类的简单使用
1. 非线性回归 24:59
2. MNIST数据集和Softmax讲解 8:19
3. MNIST数据集分类简单版本 29:49
第4章:交叉熵,过拟合,dropout以及各种优化器介绍
1. 交叉熵(cross-entropy) 19:04
2. 过拟合以及Dropout介绍 57:09
3. 优化器Optimizer 25:30
4. 优化器的使用 9:01
第5章:Tensorboard结构可视化,网络运算可视化
1. 第4周作业网络优化 7:25
2. Tensorboard网络结构 28:35
3. Tensorboard网络运行 16:06
4. Tensorboard可视化 23:05
第6章:卷积神经网络CNN
1. 卷积神经网络CNN介绍 20:00
2. CNN应用于MNIST数据集分类 32:02
第7章:递归神经网络LSTM,以及LSTM网络的使用
1. 第6周作业调试CNN结构和运行结果 12:58
2. 递归神经网络RNN 11:03
3. 长短时记忆网络LSTM 19:14
4. LSTM网络程序 17:13
大家可以点击【 查看详情】查看我的课程
课程介绍
本课程上半部分会从Tensorflow基础的框架开始介绍,从Tensorflow的安装开始,一步一步仔细讲解Tensorflow中的各种技术细节。让大家上手编写神经网络。同时也会补充一些深度学习相关的理论知识,如交叉熵,Softmax函数,深度学习中各种优化器的算法和应用等内容。 下半部分会从头开始详细讲解几个深度学习的项目,如图像识别,验证码识别,word2vec,文本分类,语音分类等。
课程收益
了解Tensorflow基本框架,学会Tensorflow的基本应用如优化器使用,Dropout使用等待。学会使用Tensorflow中的卷积神经网络CNN以及长短时记忆网络LSTM,学会使用Tensorboard去调试网络。
讲师介绍
覃秉丰 更多讲师课程
机器学习,深度学习神经网络领域多年开发研究经验,精通算法原理与编程实践。曾完成过多项图像识别,目标识别,语音识别的实际项目,经验丰富。关注深度学习领域各种开源项目,如TensorFlow,Caffe,Torch等。喜欢理论与实践相结合的教学风格,课程编排由浅入深,体系清晰完整。
课程大纲
第1章:Anaconda和Tensorflow安装
1. Tensorflow简介 11:06
2. Anaconda的安装 8:13
3. Tensorflow的安装 5:24
第2章:Tensorflow的基础使用
1. 创建图-启动图 11:57
2. 变量 11:21
3. fetch and feed 7:49
4. Tensorflow简单案例 13:24
第3章:Tensorflow线性回归以及分类的简单使用
1. 非线性回归 24:59
2. MNIST数据集和Softmax讲解 8:19
3. MNIST数据集分类简单版本 29:49
第4章:交叉熵,过拟合,dropout以及各种优化器介绍
1. 交叉熵(cross-entropy) 19:04
2. 过拟合以及Dropout介绍 57:09
3. 优化器Optimizer 25:30
4. 优化器的使用 9:01
第5章:Tensorboard结构可视化,网络运算可视化
1. 第4周作业网络优化 7:25
2. Tensorboard网络结构 28:35
3. Tensorboard网络运行 16:06
4. Tensorboard可视化 23:05
第6章:卷积神经网络CNN
1. 卷积神经网络CNN介绍 20:00
2. CNN应用于MNIST数据集分类 32:02
第7章:递归神经网络LSTM,以及LSTM网络的使用
1. 第6周作业调试CNN结构和运行结果 12:58
2. 递归神经网络RNN 11:03
3. 长短时记忆网络LSTM 19:14
4. LSTM网络程序 17:13
大家可以点击【 查看详情】查看我的课程