课程以Tensorflow2.0框架为主体，以图像分类、房价预测、文本分类、文本生成、机器翻译、泰坦尼克生存预测等项目为依托，讲解Tensorflow框架的使用方法，让学员获得灵活使用Tensorflow的能力，同时学习到相关的深度学习/机器学习知识，达到初级深度学习工程师的水平
课程文件目录：
第1章 Tensorflow简介与环境搭建
1-1_课程导学.mp4
1-10_Google_cloud_gpu_tensorflow镜像配置__(.mp4
1-11_AWS云平台环境配置.mp4
1-2_Tensorflow是什么.mp4
1-3_Tensorflow版本变迁与tf1.0架构.mp4
1-4_Tensorflow2.0架构.mp4
1-5_Tensorflow&pytorch比较.mp4
1-6_Tensorflow环境配置(新补).mp4
1-6_Tensorflow环境配置.mp4
1-7_Google_cloud无GPU环境搭建.mp4
1-8_Google_cloud_远程jupyter_notebook配置.mp4
1-9_Google_cloud_gpu_tensorflow配置.mp4
第2章 Tensorflow keras实战
2-1_tfkeras简介__(.mp4
2-10_实战批归一化、激活函数、dropout.mp4
2-11_wide_deep模型.mp4
2-12_函数API实现wide&deep模型.mp4
2-13_子类API实现wide&deep模型.mp4
2-14_wide&deep模型的多输入与多输出实战.mp4
2-15_超参数搜索.mp4
2-16_手动实现超参数搜索实战.mp4
2-17_实战sklearn封装keras模型.mp4
2-18_实战sklearn超参数搜索.mp4
2-2_分类回归与目标函数.mp4
2-3_实战分类模型之数据读取与展示.mp4
2-4_实战分类模型之模型构建.mp4
2-5_实战分类模型之数据归一化.mp4
2-6_实战回调函数.mp4
2-8_神经网络讲解.mp4
2-9_实战深度神经网络.mp4
第3章 Tensorflow基础API使用
3-1_tf基础API引入.mp4
3-10_近似求导.mp4
3-11_tf.GradientTape基本使用方法.mp4
3-12_tf.GradientTape与tf.keras结合使用.mp4
3-13_章节总结.mp4
3-2_实战tf.constant.mp4
3-3_实战tf.strings与ragged_tensor.mp4
3-4_实战sparse_tensor与tf.Variable.mp4
3-5_实战自定义损失函数与DenseLayer回顾.mp4
3-6_使子类与lambda分别实战自定义层次.mp4
3-7_tf.function函数转换.mp4
3-8_@tf.function函数转换.mp4
3-9_函数签名与图结构.mp4
第4章 Tensorflow dataset使用
4-1_data_API引入.mp4
4-2_tf_data基础API使用.mp4
4-3_生成csv文件.mp4
4-4_tf.io.decode_csv使用.mp4
4-5_tf.data读取csv文件并与tf.keras结合使用.mp4
4-6_tfrecord基础API使用.mp4
4-7_生成tfrecords文件.mp4
4-8_tf.data读取tfrecord文件并与tf.keras结合使用.mp4
4-9_章节总结.mp4
第5章 Tensorflow Estimator使用与tf1.0
5-1_课程引入.mp4
5-10_TF1_dataset使用.mp4
5-11_TF1_自定义estimator.mp4
5-12_API改动升级与课程总结.mp4
5-2_泰坦尼克问题引入分析.mp4
5-3_feature_column使用.mp4
5-4_keras_to_estimator.mp4
5-5_预定义estimator使用.mp4
5-6_交叉特征实战.mp4
5-7_TF1.0引入.mp4
5-8_TF1.0计算图构建.mp4
5-9_TF1.0模型训练.mp4
第6章 卷积神经网络
6-1_卷积神经网络引入与总体结构.mp4
6-10_10monkeys基础模型搭建与训练.mp4
6-11_10monkeys模型微调.mp4
6-12_keras_generator读取cifar10数据集.mp4
6-13_模型训练与预测.mp4
6-2_卷积解决的问题.mp4
6-3_卷积的计算.mp4
6-4_池化操作.mp4
6-5_卷积神经网络实战.mp4
6-6_深度可分离卷积网络.mp4
6-7_深度可分离卷积网络实战.mp4
6-8_Kaggle平台与10monkeys数据集介绍.mp4
6-9_Keras_generator读取数据.mp4
第7章 循环神经网络
7-1_循环神经网络引入与embedding.mp4
7-10_LSTM文本分类与文本生成实战.mp4
7-2_数据集载入与构建词表索引.mp4
7-3_数据padding、模型构建与训练.mp4
7-4_序列式问题与循环神经网络.mp4
7-5_循环神经网络实战文本分类.mp4
7-6_文本生成之数据处理.mp4
7-7_文本生成实战之构建模型.mp4
7-8_文本生成实战之采样生成文本.mp4
7-9_LSTM长短期记忆网络.mp4
第8章 Tensorflow分布式
8-1_课程引入与GPU设置.mp4
8-2_GPU默认设置.mp4
8-3_内存增长和虚拟设备实战.mp4
8-4_GPU手动设置实战.mp4
8-5_分布式策略.mp4
8-6_keras分布式实战.mp4
8-7_estimator分布式实战.mp4
8-8_自定义流程实战.mp4
8-9_分布式自定义流程实战.mp4
第9章 Tensorflow模型保存与部署
9-1_课程引入与TFLite.mp4
9-2_保存模型结构加参数与保存参数实战.mp4
9-3_Keras模型转化为SavedModel.mp4
9-4_签名函数转化为SavedModel.mp4
9-5_签名函数，SavedModel和Keras模型到具体函数转换.mp4
资料
tensorflow2.0_course-master.tar.gz
tensorflow2.0_course-master.zip
第10章 机器翻译
10-1 课程引入与seq2seq+attention模型讲解.mp4
10-10 样例分析与总结.mp4
10-11 Transformer模型总体架构.mp4
10-12 Encoder-Decoder架构与缩放点击注意力.ts
10-13 多头注意力与位置编码.mp4
10-14 Add、Normalize、Decoding过程与总结.mp4
10-15 数据预处理与dataset生成.mp4
10-16 位置编码.mp4
10-17 mask构建.mp4
10-18 缩放点积注意力机制实现(1).mp4
10-19 缩放点积注意力机制实现(2).mp4
10-2 数据预处理理与读取.mp4
10-20 多头注意力机制实现.mp4
10-21 feedforward层次实现.mp4
10-22 EncoderLayer实现.mp4
10-23 DecoderLayer实现.mp4
10-24 EncoderModel实现.mp4
10-25 DecoderModel实现.mp4
10-26 Transformer实现.mp4
10-27 自定义学习率.mp4
10-28 Mask创建与使用.mp4
10-29 模型训练.mp4
10-3 数据id化与dataset生成.mp4
10-30 模型预测实现.mp4
10-31 attention可视化.mp4
10-32 示例展示与实战总结.mp4
10-33 GPT与Bert与课程总结.mp4
10-4 Encoder构建.mp4
10-5 attention构建.mp4
10-6 Decoder构建.mp4
10-7 损失函数与单步训练函数.mp4
10-8 模型训练.mp4
10-9 模型预测实现.mp4
资源下载
您需要先登录后，才能查看下载地址