快速上手深度学习 掌握TensorFlow模型构建与开发

Posted 2020-12-30 ltcblog

第1章 课程介绍
介绍机器学习的背景，介绍tensorflow的背景，介绍课程python，numpy，virtualenv等前置学习内容，安装tensorflow
1-1 导学
1-2 课程安排
1-3 深度学习背景
1-4 tensorflow优势
1-5 开发环境
1-6 virtualenv简介
1-7 python常用操作
1-8 numpy常用操作01
1-9 numpy常用操作02
1-10 Mac下TensorFlow安装
1-11 Windows下TensorFlow安装
1-12 ubuntu下TensorFlow安装

第2章 TensorFlow原理与核心api
本章节会中重点讲解tensorflow基础 ：tensorflow原理、核心api以及重要函数。并且会对验证码识别项目进行分析。
2-1 Tensorflow原理
2-2 TensorFlow核心api1
2-3 TensorFlow核心api2
2-4 tensorflow基础函数01
2-5 tensorflow基础函数02
2-6 tensorflow基础函数03
2-7 可视化学习过程
2-8 逻辑回归01
2-9 逻辑回归02
2-10 逻辑回归03
2-11 损失函数01
2-12 损失函数02
2-13 损失函数03
2-14 梯度下降01
2-15 梯度下降02
2-16 验证码识别问题分析
2-17 验证码生成程序分析01
2-18 验证码生成程序分析02

第3章 逻辑回归模型与线性回归模型
逻辑回归模型简介，学习损失函数，和梯度下降方法，使用逻辑回归进行验证码识别。
3-1 逻辑回归模型01
3-2 逻辑回归模型02
3-3 逻辑回归模型训练和评价01
3-4 逻辑回归模型训练和评价02
3-5 线性回归模型01
3-6 线性回归模型02
3-7 线性回归模型03
3-8 线性回归模型04

第4章 全连接神经网络
全连接神经网络模型简介，学习ReLU函数，使用全连接神经网络进行验证码识别。
4-1 神经网络简介
4-2 全连接神经网络01
4-3 全连接神经网络02
4-4 ReLU激励函数01
4-5 ReLU激励函数02
4-6 全连接模型01
4-7 全连接模型02

第5章 卷积神经网络
卷积神经网络模型简介，学习卷积，池化得运算，学会使用的dropout，使用全连接神经网络进行验证码识别。
5-1 卷积神经网络简介01
5-2 卷积神经网络简介02
5-3 卷积层01
5-4 卷积层02
5-5 卷积层03
5-6 卷积层04
5-7 卷积层05
5-8 池化层01
5-9 池化层02
5-10 池化层03
5-11 Dropout01
5-12 Dropout02
5-13 卷积神经网络搭建01
5-14 卷积神经网络搭建02
5-15 卷积神经网络搭建03
5-16 卷积神经网络搭建04
5-17 卷积神经网络搭建05
5-18 卷积神经网络训练01
5-19 卷积神经网络训练02
5-20 卷积神经网络训练03
5-21 卷积神经网络训练04

第6章 课程总结
回归课程内容，总结模型发展过程，对行业进行展望。
6-1 课程回顾01
6-2 课程回顾02
6-3 课程回顾03
6-4 行业展望01
6-5 行业展望02

下载地址:百度网盘下载