Tensorflow实战培训

Gavin Liu 查看讲师

百林哲咨询（北京）有限公司专家团队成员

大数据架构师，擅长 MR 开发，基于 MR 的算法开发， Hive、 Hbase、 spark 和 Mahout 的实战和成功使用案例。

浏览：3111次

详情 DETAILS

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