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
提交答案