|
|
课程介绍：课程内容基本上是以代码编程为主，也会有少量的深度学习理论内容。课程会从Tensorflow最基础的图(graphs),会话(session),张量(tensor),变量(Variable)等一些最基础的知识开始讲起，逐步讲到Tensorflow的基础使用，以及在Tensorflow中CNN和LSTM的使用。在课程的后面会带着大家做几个实际的项目，比如训练自己的模型去进行图像识别，使用Tensorflow进行验证码的识别，以及Tensorflow在NLP中的使用。9 U9 B- y, u, a7 [
适用人群：对深度学习人工智能感兴趣的人，想了解深度学习实践的人。学习者需要略有python开发和深度学习、神经网络基本原理的基础。课程目录：第一课 Tensorflow简介，Anaconda安装，Tensorflow的CPU版本安装。第二课 Tensorflow的基础使用，包括对图(graphs),会话(session),张量(tensor),变量(Variable)的一些解释和操作。第三课 Tensorflow线性回归以及分类的简单使用。第四课 softmax，交叉熵(cross-entropy)，dropout以及Tensorflow中各种优化器的介绍。第五课 卷积神经网络CNN的讲解，以及用CNN解决MNIST分类问题。第六课 使用Tensorboard进行结构可视化，以及网络运算过程可视化。第七课 递归神经网络LSTM的讲解，以及LSTM网络的使用。第八课 保存和载入模型，使用Google的图像识别网络inception-v3进行图像识别。第九课 Tensorflow的GPU版本安装。设计自己的网络模型，并训练自己的网络模型进行图像识别。第十课 使用Tensorflow进行验证码识别。第十一课 Tensorflow在NLP中的使用(一)。第十二课 Tensorflow在NLP中的使用(二)。9 a" M% @7 `- @+ w# E: A# o: h
- I+ Z+ Q. r a% W/ g, Y
3 N# b( s$ e& r/ i i
o {: @* U( O6 L) J, A$ X. r资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见; S/ [3 D3 Q* g* T& C
1 K5 d% t/ ?; p0 v8 z+ H
+ D% M% C) T, \: A7 D& P# _
( q+ M* ?+ _- f5 j9 k6 h! w
本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-20 20:39:01
