课程简介
本课程是关于Tensorflow与深度学习实战的一门课程。本课程讲解Tensorflow中各种概念、操作和使用方法,针对Tensorflow的基础知识,在传统数据分析中应用、CNN和RNN都进行详细讲解,并且给出了丰富的深度学习模型实战。
课程收益
1、学员们能够在短时间内掌握深度学习原理;
2、学会使用Tensorflow和Keras构建深度学习网络的技巧和方法;
3、能够在图像识别、序列预测等深度学习项目上迅速入手。
受众人群
本课程适合从事数据分析、数据挖掘、图像识别、序列预测等相关方面工作的学员。
课程时长
2天(12H)
分享提纲
第一天 | 一、Tensorflow基础介绍 | 1.1深度学习与机器学习区别 1.2深度学习框架介绍 1.3TensorFlow结构 1.4图的介绍 1.5Operation的介绍 1.6会话的介绍 1.7张量介绍 1.8变量的介绍 1.9基础API和高级API |
二、TensorFlow Al深度学习平台 | 2.1TensorFlow: 一个Al深度学习框架的概述 2.2TensorFlow深度学习平台的工作机制和系统架构 2.3TensorFlow的安装、部署、配置和使用 2.4TensorFlow的应用场景和应用案例 2.5Tensorflow功能和核心深度学习算法介绍 2.6Tensorflow深度学习的流程介绍 | |
三、Tensorflow快速入门 | 3.1案例:自实现线性回归 3.2增加变量显示 3.3添加命名空间 3.4模型保存与加载 3.5命令行参数设置 3.6Tensorboard的介绍 | |
四、Tensorflow数据读取 | 4.1文件读取通用流程 4.2图片读取&狗图片读取案例 4.3二进制文件读取流程分析 4.4二进制文件读取案例 4.5tfrecords文件存储 4.6tfrecords文件读取 | |
第二天 | 五、Tensorflow神经网络实战 | 5.1神经网络原理 5.2神经网络基础 5.3案例:用全连接对手写数字识别 5.4建造神经网络 5.5激励函数 5.6添加层 5.7准确率计算 5.8结果可视化 5.9优化器 |
六、Tensorflow卷积神经网络实战 | 6.1卷积神经网络介绍 6.2卷积神经网络结构 6.3卷积层 6.4激活函数 6.5不同激活函数演示 6.6池化层 6.7全连接层 6.8卷积神经网络设计 6.9dropout 解决overfitting 6.10案例一:CNN识别手写数字代码实现 6.11案例二:验证码识别案例分析 | |
七、TensorFlow Al深度学习平台及其应用实践 | 7.1TensorFlow CNN应用操作 7.2TensorFlow LSTM应用操作 7.3TensorFlow在图像识别的实验操作 7.4基于TensorFlow的可视化工具:Tensorboard简介 7.5Tensorboard的部署、配置和应用界面操作 7.6基于TensorFlow和Tensorboard进行实验操作 |
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员