① 好事成双——邀请1名以上小伙伴组队购买此课程，付款前联系课程小助手领取“100元好事成双”优惠券！减后低299元。

② 转发朋友圈，付款前截图发给课程小助手，即可领取50元优惠券！

报名须知

1. 本系列课程每周三晚8点准时开课，记得准时登陆此页面进入直播间观看直播；

2. 已报名用户，每次开课前都会有短信提醒与邮件提醒，因此还请在报名时填写正确的手机号码及邮箱地址；

3. 开课后三天内会上传本节课的视频回放，若有已报名但无法观看直播视频的同学放心，回放视频不限时观看，届时直接登陆本报名页面观看回放即可。

本次课程知识点

1. TensorFlow简介

（1）Python编程接口与C++底层的关系

（2）编译及安装，打开CPU加速和GPU加速

（3）Graph、Session和Tensor

（4）Control Flow

（5）Op、Node和ProtoBuf 

2. 开始写程序之前

（1）基础操作

（2）封装介绍：TFLearn、Slim与Keras

（3）如何加速数据读取和提高内存分配效率

（4）控制显存分配与显卡分配

（5）多GPU的数据并行机制

3. 选择一个模型

（1）越深越好？也许不是这样

（2）DenseNet、Inception和Resnet谁更好？

（3）快50倍的网络？

（4）retrain或者fine-tune，这是个问题

（5）ImageNet预训练的模型的正确使用方式

本次课程知识点

1. 数据的准备

（1）什么样的数据是好数据？

（2）数据越好，模型越准？

（3）被忽视的JPEG Quality

（4）数据预处理暗藏的杀机

（5）图片不是JPEG，怎么办

（6）TFRecord的优势和劣势

（7）生成一套数据

（8）真的需要SSD吗？

2. 开始一次训练

（1）训练与验证分开的意义

（2）记录Summary与Tensorboard

（3）如何查看权重的值

（4）Loss变成NaN了，怎么办？

（5）可视化

（6）checkpoint

（7）一个简单的技巧却能改善识别的效果

3. 验证一个模型

（1）checkpoint和meta以及protobuf

（2）freeze一个模型

（3）用训练好的模型识别图片

（4）把这个模型上线测试

（5）弄个网站秀一下

本次课程知识点

1. 调参

（1）所谓调参，调的到底是什么

（2）每层的参数究竟如何确定

（3）收敛速度 VS. 高准确率

（4）Learning-rate和exponential decay

（5）Optimizer的选择

（6）SDG和Adam的比较

2. 再调参

（1）Dropout和Batch Normalize

（2）被忽略的正则化和初始化

（3）不均衡数据的分析与应对

（4）shuffle重要吗?

3. 上线与部署

（1）模型的导出

（2）提高模型效率

（3）带条件模型的导出

（4）关于TensorFlow Serving

（5）模型的加密和分发

（6）部署到手机上的一大堆坑

（7）同时跑多个模型？

课程咨询及学习交流群

扫描下方二维码，添加CSDN小助，回复"C1" 加入学习交流群。

购买课程后，添加CSDN小助，加入课程讨论群。