|
课程介绍： 课程内容基本上是以代码编程为主，也会有少量的深度学习理论内容。课程会从Tensorflow最基础的图(graphs),会话(session),张量(tensor),变量(Variable)等一些最基础的知识开始讲起，逐步讲到Tensorflow的基础使用，以及在Tensorflow中CNN和LSTM的使用。在课程的后面会带着大家做几个实际的项目，比如训练自己的模型去进行图像识别，使用Tensorflow进行验证码的识别，以及Tensorflow在NLP中的使用。
适用人群：对深度学习人工智能感兴趣的人，想了解深度学习实践的人。学习者需要略有python开发和深度学习、神经网络基本原理的基础。 课程目录：第一课 Tensorflow简介，Anaconda安装，Tensorflow的CPU版本安装。 第二课 Tensorflow的基础使用，包括对图(graphs),会话(session),张量(tensor),变量(Variable)的一些解释和操作。 第三课 Tensorflow线性回归以及分类的简单使用。 第四课 softmax，交叉熵(cross-entropy)，dropout以及Tensorflow中各种优化器的介绍。 第五课 卷积神经网络CNN的讲解，以及用CNN解决MNIST分类问题。 第六课 使用Tensorboard进行结构可视化，以及网络运算过程可视化。 第七课 递归神经网络LSTM的讲解，以及LSTM网络的使用。 第八课 保存和载入模型，使用Google的图像识别网络inception-v3进行图像识别。 第九课 Tensorflow的GPU版本安装。设计自己的网络模型，并训练自己的网络模型进行图像识别。 第十课 使用Tensorflow进行验证码识别。 第十一课 Tensorflow在NLP中的使用(一)。 第十二课 Tensorflow在NLP中的使用(二)。
| 
发表于 2019-3-29 12:59
