TensorFlow 2.0原理与实践


本课程分为基础学习篇、进阶学习篇以及项目实战篇,讲解TensorFlow 2.0的原理,帮你实现深度学习应用。目前持续更新中...

        

课程难度

基础

已经参加学习的人数

159

课程主讲师

丁老师

学习次数

11283

课程大纲

第 1 集课程简介

  • 1.1 定位的人群
  • 1.2 课程OKR
  • 1.3 课程的整体结构
  • 1.4 推荐学习方法

第 2 集预备知识及其影响

  • 2.1 前言
  • 2.2 Python编程
  • 2.3 Numpy编程
  • 2.4 Linux操作系统
  • 2.5 对统计机器学习有基本的认识
  • 2.6 对深度学习有基本的认识
  • 2.7 总结

第 3 集TensorFlow的全景介绍

  • 3.1 本节课的OKR
  • 3.2 TensorFlow官方定义
  • 3.3 TensorFlow全景图
  • 3.4 Training阶段
  • 3.5 Deployment阶段
  • 3.6 TensorFlow拓展工具及扩展库
  • 3.7 Tensorboard
  • 3.8 XLA
  • 3.9 Technical Debt

第 4 集TensorFlow 2.0的常用安装方法

  • 4.1 本节课的OKR
  • 4.2 关于类Unix系统
  • 4.3 关于Homebrew
  • 4.4 关于Python
  • 4.5 关于软件工程
  • 4.6 关于virtualenv
  • 4.7 关于源与镜像
  • 4.8 在线编程平台上1分钟安装TF2.0
  • 4.9 测试是否安装成功
  • 4.10 测试过程的演示
  • 4.11 使用virtualenv管理项目环境-概述
  • 4.12 virtualenv流程讲解
  • 4.13 安装Homebrew
  • 4.14 更换源到清华镜像
  • 4.15 安装pyenv
  • 4.16 一键切换默认Python版本

第 5 集Tensor Basic & Eager Execution

  • 5.1 本节课的概述
  • 5.2 import and check the version
  • 5.3 如何理解TensorFlow Tensor
  • 5.4 Tensor vs NumPy ndarray
  • 5.5 Tensor on GPU or CPU
  • 5.6 辨析4种变量
  • 5.7 Dtype in TensorFlow
  • 5.8 Edit value of a Tensor
  • 5.9 总结:Variable面向用户,Tensor面向TensorFlow自己

第 6 集Basic Tensor Operations

  • 6.1 课程目标
  • 6.2 导入TensorFlow
  • 6.3 矩阵乘法与向量乘法
  • 6.4 理解类型转换
  • 6.5 方差
  • 6.6 均值
  • 6.7 随机数生成
  • 6.8 找极值
  • 6.9 总结

第 7 集Keras Overview & Deep Learning Review

  • 7.1课程目标
  • 7.2 tf.keras vs Keras
  • 7.3 回顾一下什么是深度学习
  • 7.4 神经网络的基本要素
  • 7.5 Keras工作流
  • 7.6 总结

第 8 集MNIST in tf.keras

  • 8.1课程目标
  • 8.2 MNIST任务概述
  • 8.3 MNSIT数据集(上)
  • 8.4 MNSIT数据集(下)
  • 8.5 数据预处理
  • 8.6 模型建立
  • 8.7 模型编译及训练
  • 8.8 模型测试

第 9 集Building Models With Layers

  • 9.1 本节课的OKR
  • 9.2 Keras建模的三个层级
  • 9.3 Sequential Model的要点
  • 9.4 从面向对象角度理解Keras Layer
  • 9.5 Sequential的简单演示
  • 9.6 TensorFlow中Keras的import方式
  • 9.7 关于Functional API
  • 9.8 Functional的代码示例
  • 9.9 总结

第 10 集Functional API in Action

  • 10.1 本节课的概述及OKR
  • 10.2 本节课的任务概述
  • 10.3 论文的概述
  • 10.4 Tied CNN with MaxPooling
  • 10.5 Tied Conv参数的解释
  • 10.6 Keras文档
  • 10.7 Tied Conv代码实现
  • 10.8 论文里Cross-Input的解读
  • 10.9 CrossInput的代码实现
  • 10.10 整个Model构建的代码实现
  • 10.11 Check一下Trainable Params数目

第 11 集Training Models之训练参数配置

  • 11.1 本节课的OKR
  • 11.2 回顾一下论文中的training部分(一)
  • 11.3 回顾一下论文中的training部分(二)
  • 11.4 回顾一下论文中的training部分(三)
  • 11.5 参数的正则化
  • 11.6 添加激活层
  • 11.7 模型编译与完整代码
  • 11.8 总结

第 12 集Learning Keras Callback

  • 12.1 本节课的OKR
  • 12.2 什么是Keras Callback
  • 12.3 为什么需要Keras Callback
  • 12.4 如何使用Keras Callback
  • 12.5 Keras内置的Callback-1
  • 12.6 Keras内置的Callback-2
  • 12.7 总结

第 13 集Using Keras Callback

  • 13.1 本节课的OKR及案例论文回顾
  • 13.2 代码层面实现案例论文中的效果
  • 13.3 总结

第 14 集Tensorboard

  • 14.1 本节课的OKR
  • 14.2 为什么需要Tensorboard
  • 14.3 什么是Tensorboard
  • 14.4 怎么用Tensorboard
  • 14.5 怎么使用Tensorboard
  • 14.6 Custom Tensorboard Scalar
  • 14.7 总结.mp4

第 15 集不可错过的tf.data

  • 15.1 本节课的OKR
  • 15.2 为什么需要tf.data
  • 15.3 怎么使用tf.data
  • 15.4 Dataset的常见处理函数
  • 15.5 Dataset如何喂给Model

第 16 集Custom in Keras

  • 16.1 本节课的OKR
  • 16.2 自定义Layer
  • 16.3 代码案例
  • 16.4 自定义Model
  • 16.5 总结

第 17 集Estimator

  • 17.1 本节课的OKR
  • 17.2 Estimator在TensorFlow中的定位
  • 17.3 How to Use Estimator
  • 17.4 如何看TF官网
  • 17.5 定义input函数要求如下
  • 17.6 官网鸢尾花案例分析
  • 17.7 如何理解feature columns
  • 17.8 feature columns的使用流程
  • 17.9 Estimator的训练
  • 17.10 总结

第 18 集GradientTape

  • 18.1 本节课的OKR
  • 18.2 GradientTape是什么
  • 18.3 通过上下文管理器的方式使用GradientTape
  • 18.4 关注Tensor与Variable之间的区别
  • 18.5 通过显示调用watch函数来对Tensor进行跟踪
  • 18.6 GradientTape默认只能调用一次
  • 18.7 可多次调用的GradientTape
  • 18.8 复杂逻辑下的梯度计算
  • 18.9 高阶梯度计算
  • 18.10 单步训练视角下的GradientTape
  • 18.11 完整的Custom流程
  • 18.12 总结

第 19 集项目实战:Natural Language Processing Project

    导师团队

    丁老师

    毕业于北航测控系。现任某AI公司技术副总裁,AI软件系统架构师,GitHub百星作者,HackerRank Python板块满分,累积面试100+AI算法研发及Python开发人员。


    Lantern

    硕士,毕业于清华大学计算机系,主要负责实验平台,实践项目的技术支持,在人工智能算法、工程化方面有深厚的造诣与丰富的实际经验。


    Q & A

    授课方式是?

    为了保障课程质量,提高学习效率, 课程采用录播形式。视频精心录制与剪辑制作,时间比直播更灵活,方便随时观看学习。

    课程周期是多久?

    为了让大家在一定时间内集中精力学习,《TensorFlow原理与实践》课程有效期有6个月时间,对于单独学习这门课程来说,时间是充裕的。

    遇到问题可以咨询么?

    学习过程中遇到的任何问题都可以提出来,会有专业导师进行3个月的在线答疑,解决你学习中遇到的任何问题与困难。

    如何开取发票?

    购买成功后,扫描下方二维码,将具体开票信息发送给SIGAI小编即可。

    如何延长有效期?

    课程到期后,电脑端登录官网可以续费,续费价格是官网原价的5%,有效期半年(不包括在线答疑)。注意:到期前两周内课程详情页面会出现【续费】按钮,点击按钮进行续费即可。


    更多问题、课程咨询、资料获取,扫码找小编






     课程咨询