Tensorflow Keras实战教程

Tensorflow Keras实战教程
共100节 2114人在学 课程详情

  • 深度学习与Tensorflow Keras编程教程

    • Tensorflow & Keras综述及多环境简单示例运行
    • 单层与多层感知机
    • 神经网络模型：前馈与反向传播
    • 卷积神经网络CNN初探
    • 更多深度学习模型
    • Tensroflow Keras编程环境与Mnist数据集
    • Tensorflow程序实现单层感知器
    • Tensorflow多层感知器、问题及Keras引入
    • Keras程序初印象：单层神经网络线性回归
    • Keras程序初印象：双层神经网络二次拟合
    • Keras程序结构初探
    • Keras程序结构示例1：两层感知器
    • Keras程序结构示例2：多层CNN
    • Keras程序的模型绘制与存取
    • Keras函数式通用模型用法初讲
    • Keras Dropout层使用
    • Keras通用模型--多分支模型合并
    • Keras模型---正则化的使用
    • Keras模型进阶---EarlyStopping
    • Keras模型进阶---加载预训练模型与网络层冻结
    • Keras模型进阶---自定义Model
    • Keras模型进阶---自定义Layer
    • Keras模型进阶---嵌入层Embeding
    • Keras模型进阶---评价标准Metrics与回调函数

  • Tensorflow Keras深度学习经典模型算法实现

    • Keras典型模型CNN：原理深入
    • Keras典型模型CNN：猫狗识别之数据准备
    • Keras典型模型CNN：猫狗识别之模型训练
    • Keras典型模型CNN：猫狗识别之图片预测及实测
    • CNN典型实用模型Lenet-5---1：模型结构与程序代码
    • CNN典型实用模型Lenet-5---2：C3层不对称连接与预测过程各层输入可视化演示
    • CNN典型实用模型AlexNet---1：模型结构
    • CNN典型实用模型AlexNet---2：第一个彩色图片的模型训练
    • CNN典型实用模型AlexNet---3：彩色图片的预测过程各层输出可视化
    • CNN典型实用模型VGGNet：模型与测试
    • CNN典型实用模型InceptionNet
    • CNN典型实用模型ResNet
    • CNN数据优化---1：数据预处理与数据增强
    • CNN数据优化---2：权重衰减与学习率调整
    • CNN模型优化：BatchNormalization与成熟模型嵌套
    • CNN各层输出可视化
    • CNN进行文本分类---1：文本数据预处理（矢量化）
    • CNNCNN进行文本分类---2：Conv1D的模型建立
    • RNN的引入与基本原理
    • RNN简单机器人写作示例1：处理逻辑与数据准备
    • RNN简单机器人写作示例2：训练与写作试验
    • LSTM的引入与基本原理
    • LSTM进行股票价格预测---1方法描述
    • LSTM进行股票价格预测---2 代码示例之模型构建
    • LSTM进行股票价格预测---3 代码示例之训练预测
    • 生成对抗网络GANs引入与原理
    • 生成对抗网络GANs示例代码解析
    • 各种GANs模型及GANs应用场景
    • Keras与迁移学习
    • Keras与深度强化学习
    • Keras与自编码器AutoEncoder
    • Keras模型评估之交叉验证
    • Keras模型调优之参数调优
    • Keras模型之训练可视化与设置检查点

  • Keras实践案例讲解

    • 深度学习应用总述
    • 图像识别：图片生成器
    • 图像识别：模型建立，采用ImageDataGenerator的训练与图像识别
    • 图像识别：识别模型参数调整再训练
    • 图像识别：CIFAR数据集介绍与显示
    • 图像识别：技术点综合使用示例
    • 机器翻译：数据说明
    • 机器翻译：训练数据预处理（矢量化）
    • 机器翻译：模型构建第一部分：编码解码
    • 机器翻译：模型构建第二部分：推理模型
    • 机器翻译：模型构建第三部分：模型训练
    • 机器翻译：模型构建第四部分：机器翻译
    • 机器写诗：数据预处理之分词及编码前样本生成
    • 机器写诗：数据预处理之编码及训练样本生成
    • 机器写诗：模型构建
    • 机器写诗：样本切分训练与写诗
    • 聊天机器人：整体逻辑讲解
    • 聊天机器人：数据准备
    • 聊天机器人：矢量化及训练数据生成
    • 聊天机器人：模型构建
    • 聊天机器人：训练与对话
    • 语音识别：数据准备1
    • 语音识别：数据准备2
    • 语音识别：模型构建与训练
    • 语音识别：模型识别示例
    • 语音识别：ALL样本的训练与测试数据生成
    • 对抗网络模糊图像清晰化：问题与过程描述
    • 对抗网络模糊图像清晰化：程序讲解
    • MTCNN与人脸检测：问题与过程描述
    • MTCNN与人脸检测：程序讲解
    • 区域PM2.5浓度预测：数据初处理与可视化
    • 区域PM2.5浓度预测：编码及训练数据生成
    • 区域PM2.5浓度预测：模型生成与训练
    • 区域PM2.5浓度预测：模型预测与评估
    • 图像风格转换：问题描述
    • 图像风格转换：处理过程介绍
    • 图像风格转换：程序讲解1---参数与图片预处理函数定义
    • 图像风格转换：程序讲解2---损失函数定义
    • 图像风格转换：程序讲解3---损失与梯度计算
    • 图像风格转换：程序讲解4---损失与梯度获取
    • 图像风格转换：程序讲解5---迭代与优化
    • 本章示例课件

    订阅失败

    Tensorflow Keras实战教程
    Tensorflow Keras实战教程 ...

    订阅列表已满，请先移出部分订阅内容。

    当前章节需购买后观看
    开通超级会员免费看！专家精选系列课程，满足你从入门到精通！更有问答月卡免费送，你的问题有问必答！
    提交答案

    购买课程

    扫码完成付费，可继续学习全部课程内容

    加载中...
    播放页问题反馈
    视频学习中有任何产品建议都可由此反
    馈，我们将及时处理！

    课时介绍

    讲解CNN典型模型VGGNet，并以VGGNet16为例进行预测测试

    课程介绍

    1. 结合程序实例全面详细介绍Tensorflow Keras编程的结构、模型流程、要素及重要的模型进阶技术点，由浅入深教会学员用Keras进行深度学习编程

    2. 结合程序实例讲解大多数深度学习实用模型的用法及要点，包括CNN（LeNet，AlexNet，VGGNet, InceptionNet，ResNet等）、RNN、LSTM、AutoEncoder自编码器、生成对抗网络GAN、增强学习、迁移学习、自然语言处理NLP等，使学员掌握绝大多数常用实用的深度学习模型并能用Keras对其编程

    3. 结合实践场景中的行业综合实例，将Keras对系列实际问题的解决，用程序代码进行讲解，使学员能够将模型与编程方法真正与工作实践紧密结合，并在工作中直接使用解决问题

    推荐课程
    正在试验
    后自动删除环境
    课程实验
    本次实验时间已到期 00:00:00
    程序员研修院 v1.1.0
    一、播放器优化
    修改播放器默认倍速设置，增加1.25倍速
    调整目录展示形式，增加折叠/展开
    优化播放器的使用体验，有播放问题可以点击播放页内的”反馈“提交问题
    查看全部版本记录
    课件正在飞速打包中，请耐心等待几秒钟～