3
18
¥ 47.00购买 ¥198.00 限时优惠
开通会员,立省4.70元, 立即开通
立即购买

你将收获

全面理解深度学习和神经网络原理

全面掌握使用卷积神经网络实现图像识别

全面掌握使用RNN循环神经网络实现序列化数据预测

掌握TensorFlow2.X的编程语法完成深度学习设计

适用人群

深度学习初学者,人工智能爱好者,深度学习研究者

课程介绍

深度学习和神经网络隶属于机器学习范畴,但是由于它在行业中应用广泛、研究成果显著,成为当下最热门的研究领域,因此深度学习就作为一门独立的学科被提出来了。

本课程使用的开发工具为TensorFlow2.X,如果你刚接触TensorFlow2,“墙裂”建议你从TensorFlow2学起,因为Google团队对其做了重大调整,它极大降低了开发者学习的门槛,更加简单,易用,开发者更多的应该关注深度学习算法本身。

本课程知识覆盖全面,项目案例丰富,以项目为导向,通过动态图形展现推理过程,深入浅出,从原理到实践均能很快掌握。

课程编排如下:

  1. 神经网络原理(神经元,单层感知器,多层感知器)
  2. TensorFlow2.X基础(环境搭建,常用函数,线性回归实现)
  3. 全连接神经网络(前馈神经网络,全连接神经网络,神经网络搭建,手写数字识别,衣物识别)
  4. 模型优化(模型复杂度,损失函数,学习率,优化器,图片增强,dropout)
  5. CNN卷积神经网络(原理,LeNet5,AlexNet,VGGNet,InceptionNet,ResNet,物品识别)
  6. RNN循环神经网络(原理,LSTM,GRU,股票预测)
  7. BP神经网络(正向传播,反向传播)
  8. 实战项目(猫狗大战,人工智能古诗)

 

问:学习本课程需要哪些前置知识?

答:基本的Python编程知识,对机器学习的线性回归和逻辑回归有简单的认识即可。 课程中会专门开辟一章用于讲解TensorFlow2的知识,即使没有TensorFlow编程经验,也能快速掌握。

注意:

全套数据集和实现代码第一章的第一个视频位置下载。

每章的PPT每章的第一个视频位置下载。

课程讨论

NotImplementedError: Cannot convert a symbolic Tensor (sequential_3/lstm_6/strided_slice:0) to a numpy array.运行代码突然出现这个报错要怎么解决啊,以前都能正常运行

RNN、LSTM、GRU这一部分的数据集和代码有吗?有上传吗?

怎么找不到写诗项目的代码

有写诗这个项目的代码吗

RNN循环神经网络视频中,RNN模型定义与预测和绘图两个视频重复了

想问一下,数据集与ppt在哪下载呢,没有看到呢

同学笔记

没有更多了