WM118 – Tensorflow深度学习入门与实战(2.0版本) [12.9G]

WM118 – Tensorflow深度学习入门与实战(2.0版本) [12.9G]

┣━━01.视频 [6.8G]
┃ ┣━━{1}–课程简介与开发环境搭建 [124.4M]
┃ ┃ ┣━━(1.3)–Tensorflow2.0安装PPT.pdf [352.6K]
┃ ┃ ┣━━[1.1]–课程简介.mp4 [7.2M]
┃ ┃ ┣━━[1.2]–Tensorflow2.0极简安装教程.mp4 [54.1M]
┃ ┃ ┣━━[1.4]–Tensorflow2.0正式版的安装（选看）.mp4 [37.2M]
┃ ┃ ┗━━[1.5]–原生python环境安装tensorflow指南（选学）.mp4 [25.5M]
┃ ┣━━{2}–深度学习基础和tf.keras [456.4M]
┃ ┃ ┣━━[2.1]–机器学习原理-线性回归.mp4 [52.1M]
┃ ┃ ┣━━[2.10]–独热编码与交叉熵损失函数.mp4 [25.7M]
┃ ┃ ┣━━[2.11]–优化函数、学习速率、反向传播算法.mp4 [41.1M]
┃ ┃ ┣━━[2.12]–网络优化与超参数选择.mp4 [18.5M]
┃ ┃ ┣━━[2.13]–Dropout抑制过拟合与网络参数选择总原则.mp4 [49.5M]
┃ ┃ ┣━━[2.14]–Dropout与过拟合抑制.mp4 [20.5M]
┃ ┃ ┣━━[2.15]–tf.keras函数式API.mp4 [28.6M]
┃ ┃ ┣━━[2.2]–tf.keras实现线性回归.mp4 [25.8M]
┃ ┃ ┣━━[2.3]–梯度下降算法.mp4 [20.2M]
┃ ┃ ┣━━[2.4]–多层感知器（神经网络）与激活函数.mp4 [15.3M]
┃ ┃ ┣━━[2.5]–多层感知器（神经网络）的代码实现.mp4 [59.7M]
┃ ┃ ┣━━[2.6]–逻辑回归与交叉熵.mp4 [10.8M]
┃ ┃ ┣━━[2.7]–逻辑回归实现.mp4 [24.5M]
┃ ┃ ┣━━[2.8]–softmax多分类（一）.mp4 [18.5M]
┃ ┃ ┗━━[2.9]–softmax多分类代码实现-fashionmnist数据分类实.mp4 [45.7M]
┃ ┣━━{3}–tf.data输入模块 [116.5M]
┃ ┃ ┣━━[3.1]–tf.data模块简介.mp4 [42.3M]
┃ ┃ ┣━━[3.2]–tf.data模块用法示例.mp4 [23M]
┃ ┃ ┣━━[3.3]–tf.data输入实例（一）.mp4 [22M]
┃ ┃ ┗━━[3.4]–tf.data输入实例（二）.mp4 [29.2M]
┃ ┣━━{4}–计算机视觉-卷积神经网络 [162.9M]
┃ ┃ ┣━━[4.1]–认识卷积神经网络（一）.mp4 [26.1M]
┃ ┃ ┣━━[4.2]–认识卷积神经网络-卷积层和池化层.mp4 [35.6M]
┃ ┃ ┣━━[4.3]–卷积神经网络整体架构.mp4 [13.1M]
┃ ┃ ┣━━[4.4]–卷积神经网络识别Fashionmnist数据集.mp4 [26.5M]
┃ ┃ ┣━━[4.5]–搭建卷积神经网络.mp4 [39.6M]
┃ ┃ ┗━━[4.6]–卷积神经网络的优化.mp4 [21.9M]
┃ ┣━━{5}–卫星图像识别tf.data、卷积综合实例 [232.2M]
┃ ┃ ┣━━[5.1]–卫星图像识别卷积综合实例：图片数据读取.mp4 [30.9M]
┃ ┃ ┣━━[5.2]–卫星图像识别卷积综合实例：读取和解码图片.mp4 [27.8M]
┃ ┃ ┣━━[5.3]–卫星图像识别卷积综合实例：tf.data构造输入.mp4 [52.2M]
┃ ┃ ┣━━[5.4]–卫星图像识别卷积综合实例tf.data构建图片输入管道.mp4 [59.9M]
┃ ┃ ┣━━[5.5]–卫星图像识别卷积综合实例分类模型训练.mp4 [18.3M]
┃ ┃ ┣━━[5.6]–批标准化.mp4 [17.1M]
┃ ┃ ┗━━[5.7]–批标准化的使用.mp4 [25.8M]
┃ ┣━━{6}–tf.keras高阶API实例 [202.3M]
┃ ┃ ┣━━[6.1]–tf.keras序列问题-电影评论数据分类（一）.mp4 [68.4M]
┃ ┃ ┣━━[6.2]–tf.keras序列问题-电影评论数据分类（二）.mp4 [29.9M]
┃ ┃ ┣━━[6.3]–tf.keras训练过程可视化及解决过拟合问题.mp4 [46.9M]
┃ ┃ ┣━━[6.4]–tf.keras图像识别-猫狗数据集实例（一）.mp4 [32.4M]
┃ ┃ ┗━━[6.5]–tf.keras图像识别-猫狗数据集实例（二）.mp4 [24.7M]
┃ ┣━━{7}–Eager模式与自定义训练 [290.5M]
┃ ┃ ┣━━[7.1]–Eager模式简介.mp4 [16.3M]
┃ ┃ ┣━━[7.10]–tf.keras.metrics汇总计算应用实例（二）.mp4 [21.3M]
┃ ┃ ┣━━[7.2]–Eager模式代码演示与张量.mp4 [22.9M]
┃ ┃ ┣━━[7.3]–变量与自动微分运算.mp4 [22.5M]
┃ ┃ ┣━━[7.4]–自动微分与自定义训练（一）.mp4 [30.1M]
┃ ┃ ┣━━[7.5]–Tensorflow自定义训练（二）.mp4 [23.8M]
┃ ┃ ┣━━[7.6]–Tensorflow自定义训练（三）.mp4 [29.9M]
┃ ┃ ┣━━[7.7]–Tensorflow自定义训练（四）.mp4 [34.9M]
┃ ┃ ┣━━[7.8]–tf.keras.metrics汇总计算模块.mp4 [66.1M]
┃ ┃ ┗━━[7.9]–tf.keras.metrics汇总计算应用实例（一）.mp4 [22.7M]
┃ ┣━━{8}–Tensorboard可视化 [157.8M]
┃ ┃ ┣━━[8.1]–利用回调函数使用Tensorboard.mp4 [26.4M]
┃ ┃ ┣━━[8.2]–Tensorboard启动和界面含义介绍.mp4 [28.4M]
┃ ┃ ┣━━[8.3]–自定义变量的tensorboard可视化.mp4 [31.1M]
┃ ┃ ┗━━[8.4]–自定义训练中的tensorboard可视化.mp4 [71.9M]
┃ ┗━━{9}–自定义训练综合实例与图片增强 [329.7M]
┃ ┣━━[9.1]–猫狗数据实例-数据读取.mp4 [38.6M]
┃ ┣━━[9.10]–模型的进一步优化与VGG网络.mp4 [33.3M]
┃ ┣━━[9.2]–猫狗数据实例-创建dataset.mp4 [29.7M]
┃ ┣━━[9.3]–猫狗数据实例-创建模型.mp4 [34.3M]
┃ ┣━━[9.4]–猫狗数据实例-损失函数与优化器.mp4 [28.5M]
┃ ┣━━[9.5]–猫狗数据实例-定义单批次训练函数.mp4 [31.5M]
┃ ┣━━[9.6]–使用kaggle训练模型.mp4 [41.3M]
┃ ┣━━[9.7]–在自定义训练中添加验证数据.mp4 [32.8M]
┃ ┣━━[9.8]–模型的训练与优化.mp4 [36M]
┃ ┗━━[9.9]–猫狗数据实例-图片增强.mp4 [23.8M]
┃ ┣━━{10}–使用预训练网络（迁移学习） [161.6M]
┃ ┃ ┣━━[10.1]–预训练网络（迁移学习）基础知识.mp4 [19.9M]
┃ ┃ ┣━━[10.2]–迁移学习网络架构.mp4 [9.7M]
┃ ┃ ┣━━[10.3]–迁移学习的代码实现.mp4 [27.8M]
┃ ┃ ┣━━[10.4]–经典预训练网络权重分享和使用方法.mp4 [11.6M]
┃ ┃ ┣━━[10.5]–预训练网络使用——微调.mp4 [26.4M]
┃ ┃ ┗━━[10.6]–常见的预训练网络模型及使用示例.mp4 [66.1M]
┃ ┣━━{11}–多输出模型实例 [183.6M]
┃ ┃ ┣━━[11.1]–多输出模型实例——数据加载.mp4 [80.7M]
┃ ┃ ┣━━[11.2]–多输出模型的创建.mp4 [28.1M]
┃ ┃ ┣━━[11.3]–多输出模型的编译和训练.mp4 [17.6M]
┃ ┃ ┗━━[11.4]–多输出模型的评价与模型预测.mp4 [57.3M]
┃ ┣━━{12}–模型保存与恢复 [203M]
┃ ┃ ┣━━[12.1]–保存整体模型.mp4 [27.5M]
┃ ┃ ┣━━[12.2]–.仅保存架构和仅保存权重.mp4 [105.2M]
┃ ┃ ┣━━[12.3]–使用回调函数保存模型.mp4 [24.1M]
┃ ┃ ┗━━[12.4]–在自定义训练中保存检查点.mp4 [46.1M]
┃ ┣━━{13}–图像定位 [247.1M]
┃ ┃ ┣━━[13.1]–常见图像处理任务.mp4 [28.2M]
┃ ┃ ┣━━[13.2]–图像和位置数据的解析与可视化.mp4 [39.4M]
┃ ┃ ┣━━[13.3]–图片缩放与目标值的规范.mp4 [20.5M]
┃ ┃ ┣━━[13.4]–数据读取与预处理（一）.mp4 [25.9M]
┃ ┃ ┣━━[13.5]–数据读取与预处理——创建目标数据datasets.mp4 [20.7M]
┃ ┃ ┣━━[13.6]–创建输入管道.mp4 [27.1M]
┃ ┃ ┣━━[13.7]–图像定位模型创建.mp4 [28.4M]
┃ ┃ ┣━━[13.8]–图像定位模型的预测.mp4 [37.8M]
┃ ┃ ┗━━[13.9]–图像定位的优化、评价和应用简介.mp4 [19M]
┃ ┣━━{14}–自动图运算与GPU使用策略 [93.1M]
┃ ┃ ┣━━[14.1]–自动图运算.mp4 [22.9M]
┃ ┃ ┗━━[14.2]–GPU配置与使用策略.mp4 [70.3M]
┃ ┣━━{15}–图像语义分割 [405.2M]
┃ ┃ ┣━━[15.1]–图像语义分割简介.mp4 [16.7M]
┃ ┃ ┣━━[15.10]–FCN模型搭建（二）.mp4 [18.9M]
┃ ┃ ┣━━[15.11]–FCN模型训练和预测.mp4 [35.5M]
┃ ┃ ┣━━[15.2]–图像语义分割网络结构——FCN.mp4 [25.2M]
┃ ┃ ┣━━[15.3]–图像语义分割网络FCN的跳接结构.mp4 [15.2M]
┃ ┃ ┣━━[15.4]–图像语义分割网络FCN代码实现(一).mp4 [30.1M]
┃ ┃ ┣━━[15.5]–图像语义分割网络FCN代码实现(二).mp4 [28.7M]
┃ ┃ ┣━━[15.6]–准备输入数据、可视化输入数据.mp4 [85.1M]
┃ ┃ ┣━━[15.7]–使用预训练网络.mp4 [29.7M]
┃ ┃ ┣━━[15.8]–获取模型中间层的输出.mp4 [38.8M]
┃ ┃ ┗━━[15.9]–FCN模型搭建（一）.mp4 [81.4M]
┃ ┣━━{16}–RNN循环神经网络 [137.6M]
┃ ┃ ┣━━[16.1]–RNN循环神经网络简介.mp4 [34.5M]
┃ ┃ ┣━━[16.2]–tf.keras循环神经网络-航空评论数据预处理（一）.mp4 [43M]
┃ ┃ ┣━━[16.3]–tf.keras循环神经网络-航空评论数据预处理（二）.mp4 [30.6M]
┃ ┃ ┗━━[16.4]–tf.keras循环神经网络-航空评论数据分类模型.mp4 [29.5M]
┃ ┣━━{17}–RNN序列预测实例-空气污染预测 [363M]
┃ ┃ ┣━━[17.1]–RNN序列预测实例-空气污染预测-数据预处理(一).mp4 [99.8M]
┃ ┃ ┣━━[17.2]–RNN序列预测实例-空气污染预测-数据预处理(二).mp4 [52.2M]
┃ ┃ ┣━━[17.3]–RNN序列预测实例-空气污染预测-数据采样(一).mp4 [36.6M]
┃ ┃ ┣━━[17.4]–RNN序列预测实例-空气污染预测-数据采样(二).mp4 [24.3M]
┃ ┃ ┣━━[17.5]–RNN序列预测实例-空气污染预测-基础模型.mp4 [33.3M]
┃ ┃ ┣━━[17.6]–RNN序列预测实例-空气污染预测-搭建LSTM模型.mp4 [32.2M]
┃ ┃ ┣━━[17.7]–LSTM模型优化-多层LSTM和训练速度衰减.mp4 [37.2M]
┃ ┃ ┗━━[17.8]–LSTM模型的预测和评价.mp4 [47.4M]
┃ ┣━━{18}–使用免费GPU加速训练 [59.6M]
┃ ┃ ┣━━[18.1]–注册和使用界面简介.mp4 [28.6M]
┃ ┃ ┗━━[18.2]–添加数据集和下载运行输出.mp4 [31M]
┃ ┣━━{19}–下面的课程为1.x版本课程，感兴趣可以学习 [158.4K]
┃ ┃ ┗━━(19.1)–Tensorflow1.x版本课程介绍（续）.pdf [158.4K]
┃ ┣━━{20}–Tensorflow的简介与安装 [111.7M]
┃ ┃ ┣━━[20.1]–Tensorflow的简介与安装.mp4 [97.9M]
┃ ┃ ┗━━[20.2]–课程更新介绍及安装提示（2019.02）.mp4 [13.9M]
┃ ┣━━{21}–Tensorflow数据流图、张量及数据类型 [87.2M]
┃ ┃ ┗━━[21.1]–Tensorflow数据流图、张量及数据类型.mp4 [87.2M]
┃ ┣━━{22}–Tensorflow中的session、占位符和变量 [51.9M]
┃ ┃ ┗━━[22.1]–Tensorflow中的session、占位符和变量.mp4 [51.9M]
┃ ┣━━{23}–机器学习基础-线性回归模型 [139.8M]
┃ ┃ ┗━━[23.1]–机器学习基础-线性回归模型.mp4 [139.8M]
┃ ┣━━{25}–多分类问题-IRIS数据集 [183.4M]
┃ ┃ ┗━━[25.1]–多分类问题-IRIS数据集.mp4 [183.4M]
┃ ┣━━{26}–CNN卷积神经网络 [331.5M]
┃ ┃ ┣━━[26.1]–CNN卷积神经网络介绍.mp4 [117M]
┃ ┃ ┣━━[26.2]–Mnist手写数字数据集softmax识别.mp4 [92.8M]
┃ ┃ ┗━━[26.3]–卷积神经网络识别Mnist手写数字数据集.mp4 [121.7M]
┃ ┣━━{27}–CNN卷积神经网络高级应用 [981.4M]
┃ ┃ ┣━━[27.1]–Tensorflow读取机制与猫和狗识别数据集.mp4 [167.3M]
┃ ┃ ┣━━[27.2]–猫和狗数据集的CNN网络实现.mp4 [193.9M]
┃ ┃ ┣━━[27.3]–CNN保存检查点.mp4 [152.8M]
┃ ┃ ┣━━[27.4]–过拟合与正则化以及数据增强处理.mp4 [123.9M]
┃ ┃ ┣━━[27.5]–Cifar-10数据集的CNN实现.mp4 [201.8M]
┃ ┃ ┗━━[27.6]–批标准化简介与应用.mp4 [141.8M]
┃ ┣━━{28}–新读取机制：tf.data模块 [205.8M]
┃ ┃ ┣━━[28.1]–使用tf.data读取猫狗数据集(一).mp4 [32.8M]
┃ ┃ ┣━━[28.2]–使用tf.data读取猫狗数据集(二).mp4 [88.9M]
┃ ┃ ┣━━[28.3]–Feedableiterator使用实例（一）.mp4 [28.9M]
┃ ┃ ┗━━[28.4]–Feedableiterator使用实例（二）.mp4 [55.1M]
┃ ┣━━{29}–Tensorflow高级API——tf.layers模块 [79M]
┃ ┃ ┣━━[29.1]–tf.layers模块常用方法（一）.mp4 [60.7M]
┃ ┃ ┗━━[29.2]–tf.layers模块常用方法（二）.mp4 [18.4M]
┃ ┣━━{30}–RNN循环神经网络 [443.8M]
┃ ┃ ┣━━[30.1]–RNN循环神经网络简介.mp4 [44.5M]
┃ ┃ ┣━━[30.2]–RNN识别Mnist手写数字数据集.mp4 [159.9M]
┃ ┃ ┣━━[30.3]–美国航空公司Twitter评论数据集-数据预处理.mp4 [75.4M]
┃ ┃ ┗━━[30.4]–美国航空公司Twitter评论数据集-RNN实现.mp4 [164M]
┃ ┣━━{31}–练习作业-搜狗实验室搜狐新闻数据分类 [106.8M]
┃ ┃ ┗━━[31.1]–练习作业-搜狗实验室搜狐新闻中文数据分类.mp4 [106.8M]
┃ ┣━━{32}–附：Anaconda与Jputernotebook安装使用技巧 [323.7M]
┃ ┃ ┣━━[32.1]–Anaconda的安装 .mp4 [74.7M]
┃ ┃ ┣━━[32.2]–conda的使用.mp4 [41.3M]
┃ ┃ ┣━━[32.3]–Notebook页面介绍.mp4 [65.8M]
┃ ┃ ┣━━[32.4]–Jupyternotebook使用技巧（一）.mp4 [51.6M]
┃ ┃ ┗━━[32.5]–Jupyternotebook技巧（二）.mp4 [90.2M]
┗━━00.资料.zip [6.1G]

admin网站管理

收藏 海报 链接