深度学习与TensorFlow 2入门实战 [MP4] (2.31G)
『课程目录』:
├─01.深度学习初见
│ 课时1 深度学习框架介绍-1
│ 课时2 深度学习框架介绍-2
│ 课时3 开发环境安装-1
│ 课时4 开发环境安装-2
│
├─02.【选看】开发环境全程实录
│ 课时10 Ubuntu平台实录-pycharm安装
│ 课时5 win10平台实录-1
│ 课时6 win10平台实录-2
│ 课时7 Ubuntu平台实录-cuda安装
│ 课时8 Ubuntu平台实录-anaconda安装
│ 课时9 Ubuntu平台实录-tensorlow、pytorch安装
│
├─03.回归问题
│ 课时11 线性回归-1
│ 课时12 线性回归-2
│ 课时13 回归问题实战-1
│ 课时14 回归问题实战-2
│ 课时15 手写数字问题-1
│ 课时16 手写数字问题-2
│ 课时17 手写数字问题-3
│ 课时18 手写数字问题初体验-1
│ 课时19 手写数字问题初体验-2
│
├─04.Tensorflow 2基础操作
│ 课时20 tensorflow数据类型-1
│ 课时21 tensorflow数据类型-2
│ 课时22 创建Tensor-1
│ 课时23 创建Tensor-2
│ 课时24 创建Tensor-3
│ 课时25 索引与切片-1
│ 课时26 索引与切片-2
│ 课时27 索引与切片-3
│ 课时28 索引与切片-4
│ 课时29 索引与切片-5
│ 课时30 维度变换-1
│ 课时31 维度变换-2
│ 课时32 维度变换-3
│ 课时33 Broadcasting-1
│ 课时34 Broadcasting-2
│ 课时35 数学运算
│ 课时36 前向传播（张量）-实战-1
│ 课时37 前向传播（张量）-实战-2
│ 课时38 前向传播（张量）-实战-3
│ 课时39 前向传播（张量）-实战-4
│
├─05.tensorflow 2高阶操作
│ 课时40 合并与分割
│ 课时41 数据统计
│ 课时42 张量排序-1
│ 课时43 张量排序-2
│ 课时44 填充与复制
│ 课时45 张量限幅-1
│ 课时46 张量限幅-2
│ 课时47 高阶操作-1
│ 课时48 高阶操作-2
│
├─06 神经网络与全连接层
│ 课时49 数据加载-1
│ 课时50 数据加载-2
│ 课时51 数据加载-3
│ 课时52 测试（张量）实战
│ 课时53 全连接层-1
│ 课时54 全连接层-2
│ 课时55 输出方式
│ 课时56 误差计算-1
│ 课时57 误差计算-2
│ 课时58 误差计算-3
│
├─07 随机梯度下降
│ 课时59 梯度下降-简介-1
│ 课时60 梯度下降-简介-2
│ 课时61 常见函数的梯度
│ 课时62 激活函数及其梯度
│ 课时63 损失函数及其梯度-1
│ 课时64 损失函数及其梯度-2
│ 课时65 单输出感知机梯度
│ 课时66 多输出感知机梯度
│ 课时67 链式法则
│ 课时68 反向传播算法-1
│ 课时69 反向传播算法-2
│ 课时70 函数优化实战
│ 课时71 手写数字问题实战（层）-1
│ 课时72 手写数字问题实战（层）-2
│ 课时73 手写数字问题实战（层）-3
│ 课时74 TensorBoard可视化-1
│ 课时75 TensorBoard可视化-2
│
├─08.Keras高层接口
│ 课时76 Keras高层API-1
│ 课时77 Keras高层API-2
│ 课时78 Keras高层API-3
│ 课时79 自定义层或网络-1
│ 课时80 自定义层或网络-2
│ 课时81 模型保存与加载
│ 课时82 CIFAR10自定义网络实战-1
│ 课时83 CIFAR10自定义网络实战-2
│ 课时84 CIFAR10自定义网络实战-3
│
├─09.过拟合
│ 未更新
│
├─10.卷积神经网络
│ 课时100 经典卷积网络VGG, GoogLeNet, Inception-2
│ 课时101 BatchNorm
│ 课时102 ResNet, DenseNet - 1
│ 课时103 ResNet, DenseNet - 2
│ 课时104 ResNet实战-1
│ 课时105 ResNet实战-2
│ 课时106 ResNet实战-3
│ 课时107 ResNet实战-4
│ 课时86 什么是卷积-1
│ 课时87 什么是卷积-2
│ 课时88 什么是卷积-3
│ 课时89 什么是卷积-4
│ 课时90 卷积神经网络-1
│ 课时91 卷积神经网络-2
│ 课时92 卷积神经网络-3
│ 课时93 卷积神经网络-4
│ 课时94 池化与采样
│ 课时95 CIFAR100与VGG13实战-1
│ 课时96 CIFAR100与VGG13实战-2
│ 课时97 CIFAR100与VGG13实战-3
│ 课时98 CIFAR100与VGG13实战-4
│ 课时99 经典卷积网络VGG, GoogLeNet, Inception-1
│
├─11.循环神经网络RNN
│ 课时108 序列表示方法-1
│ 课时109 序列表示方法-2
│ 课时110 循环神经网络层-1
│ 课时111 循环神经网络层-2
│ 课时112 RNNCell使用-1
│ 课时113 RNNCell使用-2
│ 课时114 RNN与情感分类问题实战-加载IMDB数据集
│ 课时115 RNN与情感分类问题实战-单层RNN Cell
│ 课时116 RNN与情感分类问题实战-网络训练
│ 课时117 RNN与情感分类问题实战-多层RNN Cel
│ 课时118 RNN与情感分类问题实战-高层接口
│
├─12.自编码器Auto-Encoders
│ 课时119 无监督学习
│ 课时120 Auto-Encoders原理
│ 课时121 Auto-Encoders变种
│ 课时122 Adversarial Auto-Encoders
│ 课时123 Variational Auto-Encoders引入
│ 课时124 Reparameterization Trick
│ 课时125 Variational Auto-Encoders原理
│ 课时126 Auto-Encoders实战-创建编解码器
│ 课时127 Auto-Encoders实战-训练
│ 课时128 Auto-Encoders实战-测试
│ 课时129 VAE实战-创建网络
│ 课时130 VAE实战-KL Divergence计算
│ 课时131 VAE实战-训练与测试
│
├─13.对抗生成网络GAN
│ 课时132 数据的分布
│ 课时133 画家的成长历程
│ 课时134 GAN原理
│ 课时135 纳什均衡-D
│ 课时136 纳什均衡-G
│ 课时137 JS散度的缺陷
│ 课时138 EM距离
│ 课时139 WGAN-GP原理
│ 课时140 GAN实战-
│ 课时141 GAN实战-2
│ 课时142 GAN实战-3
│ 课时143 GAN实战-4
│ 课时144 GAN实战-5
│ 课时145 GAN实战-6
│ 课时146 WGAN实战-1
│ 课时147 WGAN实战-2
│
├─14.【选看】人工智能发展简史
│ 课时148 生物神经元结构
│ 课时149 感知机的提出
│ 课时150 BP神经网络
│ 课时151 CNN和LSTM的发明
│ 课时152 人工智能低谷
│ 课时153 深度学习的诞生
│ 课时154 深度学习的爆发
│
└─15.【选看】Numpy实战BP神经网络
课时155 权值的表示
课时156 多层感知机的实现
课时157 BP神经网络前向传播
课时158 BP神经网络反向传播-1
课时159 BP神经网络反向传播-
课时160 BP神经网络反向传播-3
课时161 多层感知机的训练
课时162 多层感知机的测试
课时163 实战小结
课程下载地址：
扫一扫，支付¥1.00元
正在加载二维码...
支付完成后，请等待10秒左右，请勿关闭此页