LOL胜负案例让你秒懂神经网络算法

Posted 2021-04-24 SiKi

> 课程简介与内容

本课程会带领使用深度学习中神经网络算法来预测LOL胜负。希望大家先了解一下前置课程，希望大家通过本课程，可以了解并掌握神经网络算法的计算过程。

课程会用使用人类的学习来类比机器如何模拟人类学习。欢迎大家加入哈~

• 神经网络概念

• 线性组合

• 非线性激活

• 深度学习

• 神经细胞

• 前向网络计算

• 计算损失

• Tensorflow使用神经网络

• 单个训练

• 批量训练

• 准确率

• 输入

• 隐藏层

• 输出

• 神经网络构建

• 损失函数构建

• 优化损失

• 模型评估

• 模型训练

• 模型可视化

课程目录

000 - 课程演示

100 - 深度学习

101 - 神经细胞工作过程

102 - 神经细胞的工作

103 - 神经网络的工作过程

104 - 深度神经网络的工作过程

105 - 深度学习框架

106 - 什么是损失

107 - 人类学习与深度学习

108 - 模型评估与学习

200 - 必备的前置课程

201 - 创建项目

202 - 项目结构

203 - 创建神经网络类

204 - LOL钻石局的数据

205 - 神经网络输入数据

206 - 神经网络的输入数据

207 - 转换矩阵相乘

208 - 定义Tensorflow的变量

209 - Tensorflow中变量以及占位符

210 - 矩阵相乘

211 - 矩阵相乘API的调用

212 - 完成第二层隐藏层的输出

213 - 神经网络输出层

214 - Softmax函数API

215 - 构建模型的损失

216 - 计算模型损失

217 - 完成计算模型损失

218 - 完成最初网络构建

219 - 获取数据喂给模型

220 - 喂给模型数据查看模型损失

221 - 解决输出NAN的问题修改激活函数

222 - 一个样本一个样本的训练

223 - 传入批量数据

224 - 传入批量数据的Softmax函数

225 - 将程序改为多个数据的输入

226 - 完成传入批量数据

227 - 计算模型准确率

228 - API - Argmax函数

229 - 如何计算模型的准确率

230 - API演示计算模型的准确率

231 - 完善代码计算准确率

232 - 完成计算准确率

233 - 遗憾的神经网络

234 - 完善计算准确率函数

235 - 数据标准化

301 - 模型的可视化

302 - 完成模型的可视化

303 - 完成课程

http://www.sikiedu.com/course/724

点击阅读原文进入SiKi学院观看