课程目录

• 01.tensorflow环境安装
• 1-1 课程简介
• 1-2 Tensorflow2版本简介与心得
• 1-3 Tensorflow2版本安装方法
• 1-4 tf基础操作
• 02.神经网络
• 2-1 深度学习要解决的问题
• 2-10 神经网络架构细节
• 2-11 神经元个数对结果的影响
• 2-12 正则化与激活函数
• 2-13 神经网络过拟合解决方法
• 2-2 深度学习应用领域
• 2-3 计算机视觉任务
• 2-4 视觉任务中遇到的问题
• 2-5 得分函数
• 2-6 损失函数的作用
• 2-7 前向传播整体流程
• 2-8 返向传播计算方法
• 2-9 神经网络整体架构
• 03.回归任务
• 3-1 任务目标与数据集简介
• 3-2 建模流程与API文档
• 3-3 网络模型训练
• 3-4 模型超参数调节与预测结果展示
• 3-5 分类模型构建
• 3-6 tf.data模块解读
• 3-7 模型保存与读取实例
• 04.卷积神经
• 4-1 卷积网络应用领域
• 4-10 VGG网络架构
• 4-11 残差网络Resnet
• 4-12 感受野的作用
• 4-2 卷积的作用
• 4-3 卷积特征值计算方法
• 4-4 得到特征图表示
• 4-5 步长与卷积核大小对结果的影响
• 4-6 边缘填充方法
• 4-7 特征图尺寸计算与参数共享
• 4-8 池化层的作用
• 4-9 整体网络架构
• 05.识别实战
• 5-1 猫狗识别任务与数据简介
• 5-2 卷积网络涉及参数解读
• 5-3 网络架构配置
• 5-4 卷积模型训练与识别效果展示
• 06.图像数据增强
• 6-1 数据增强概述
• 6-2 图像数据变换
• 6-3 猫狗识别任务数据增强实例
• 07.迁移学习实战
• 7-1 迁移学习的目标
• 7-2 迁移学习策略
• 7-3 Resnet原理
• 7-4 加载训练好的经典网络模型
• 7-5 Callback模块与迁移学习实例
• 7-6 tfrecords数据源制作方法
• 7-7 图像数据处理实例
• 08.递归神经网络与词向量
• 8-1 RNN网络架构解读
• 8-2 词向量模型通俗解释
• 8-3 模型整体框架
• 8-4 训练数据构建
• 8-5 CBOW与Skip-gram模型
• 8-6 负采样方案
• 09.词向量模型
• 9-1 任务流程解读
• 9-2 模型定义参数设置
• 9-3 文本词预处理操作
• 9-4 训练batch数据制作
• 9-5 损失函数定义与训练结果展示
• 10.LSTM文本分类任务实战
• 10-1 任务目标与数据介绍
• 10-2 RNN模型输入数据维度解读
• 10-3 数据映射表制作
• 10-4 embedding层向量制作
• 10-5 数据生成器构造
• 10-6 双向RNN模型定义
• 10-7 自定义网络模型架构
• 10-8 训练策略指定
• 10-9 训练文本分类模型
• 11.CNN网络实战
• 11-1 CNN应用于文本任务原理解析
• 11-2 整体流程解读
• 11-3 网络架构设计与训练
• 12.时间序列预测
• 12-1 任务目标与数据源
• 12-2 构建时间序列数据
• 12-3 训练时间序列数据预测结果
• 12-4 多特征预测结果
• 12-5 序列结果预测
• 13.框架BERT
• 13-1 BERT任务目标概述
• 13-10 训练实例
• 13-2 传统解决方案遇到的问题
• 13-3 注意力机制的作用
• 13-4 self-attention计算方法
• 13-5 特征分配与softmax机制
• 13-6 Multi-head的作用
• 13-7 位置编码与多层堆叠
• 13-8 transformer整体架构梳理
• 13-9 BERT模型训练方法
• 14.BERT实战
• 14-1 BERT开源项目简介
• 14-10 构建QKV矩阵
• 14-11 完成Transformer模块构建
• 14-12 训练BERT模型
• 14-2 项目参数配置
• 14-3 数据读取模块
• 14-4 数据预处理模块
• 14-5 tfrecord制作
• 14-6 Embedding层的作用
• 14-7 加入额外编码特征
• 14-8 加入位置编码特征
• 14-9 mask机制
• 15.对抗生成网络实战
• 15-1 对抗生成网络通俗解释
• 15-2 GAN网络组成
• 15-3 DCGAN网络架构与流程解读
• 15-4 网络架构设计
• 15-5 损失函数定义与训练
• 16.CycleGan实战
• 16-1 CycleGan网络所需数据
• 16-10 判别网络模块构造
• 16-11 损失函数：identity loss计算方法
• 16-12 生成与判别损失函数指定
• 16-13 额外补充：VISDOM可视化配置
• 16-2 CycleGan整体网络架构
• 16-3 PatchGan判别网络原理
• 16-4 数据与环境配置
• 16-5 生成与判别器损失函数定义
• 16-6 整体损失模块解读
• 16-7 Cycle开源项目简介
• 16-8 数据读取与预处理操作
• 16-9 生成网络模块构造
• 17.Resnet实战
• 17-1 额外补充-Resnet论文解读
• 17-2 额外补充-Resnet网络架构解读
• 17-3 项目结构概述
• 17-4 数据集处理方法
• 17-5 训练数据构建
• 17-6 网络架构层次解读
• 17-7 前向传播配置
• 17-8 训练resnet模型
• 18.Tensorflow初识
• 18-1 Tensorflow简介与安装
• 18-2 Tensorflow中的变量
• 18-3 变量常用操作
• 18-4 实现线性回归算法
• 18-5 Mnist数据集简介
• 18-6 逻辑回归算法
• 19.Tensorflow神经网络
• 19-1 神经网络结构
• 19-2 卷积网络结构基本定义
• 19-3 卷积神经网络迭代
• 19-4 Cifar-10图像分类任务
• 20.卷积神经网络实战
• 20-1 卷积神经网络实战：猫狗识别
• 20-2 数据读取
• 20-3 网络架构
• 20-4 网络迭代训练
• 20-5 测试效果
• 21.递归神经网络模型
• 21-1 RNN网络基本架构
• 21-2 实现RNN网络架构
• 21-3 RNN实现自己的小demo
• 21-4 RNN预测时间序列
• 22.Alexnet网络
• 22-1 环境配置
• 22-2 数据读取
• 22-3 网络结构定义
• 22-4 加载训练好参数
• 23.Tensorboard可视化模块
• 23-1 Tensorboard可视化展示
• 23-2 展示效果
• 23-3 统计可视化展示
• 23-4 参数对结果的影响
• 24.tfrecord数据源制作
• 24-1 生成自己的数据集
• 24-2 读取数据
• 24-3 生成数据源
• 24-4 加载tfrecord进行分类任务
• 25. CNN文本分类
• 25-1 CNN文本分类任务概述
• 25-2 文本分类任务特征定义
• 25-3 卷积网络定义
• 25-4 完成预测分类任务
• 26.Resnet残差网络
• 26-1 Resnet网络原理
• 26-2 网络流程设计
• 26-3 残差网络细节
• 27.Tensorflow项目实战
• 27-1 Tensorflow案例实战视频课程19 验证码数据生成
• 27-2 Tensorflow案例实战视频课程20 构造网络的输入数据和标签
• 27-3 Tensorflow案例实战视频课程21 卷积网络模型定义
• 27-4 Tensorflow案例实战视频课程22 迭代及测试网络效果
• 资料+代码