WM119 – Google老师亲授 TensorFlow2.0 入门到进阶 [19.1G]

WM119 – Google老师亲授 TensorFlow2.0 入门到进阶 [19.1G]

┣━━01.视频 [19.1G]
┃ ┣━━第1章 Tensorflow简介与环境搭建 [1.7G]
┃ ┃ ┣━━1-1 课程导学.mp4 [90.1M]
┃ ┃ ┣━━1-10 Google_cloud_gpu_tensorflow镜像配置 .mp4 [46.9M]
┃ ┃ ┣━━1-11 AWS云平台环境配置(上)】.mp4 [188.9M]
┃ ┃ ┣━━1-11 AWS云平台环境配置(下)【】.mp4 [42M]
┃ ┃ ┣━━1-2 Tensorflow是什么.mp4 [58.6M]
┃ ┃ ┣━━1-3 Tensorflow版本变迁与tf1.0架构.mp4 [57.9M]
┃ ┃ ┣━━1-4 Tensorflow2.0架构.mp4 [68.5M]
┃ ┃ ┣━━1-5 Tensorflow&pytorch比较.mp4 [189.9M]
┃ ┃ ┣━━1-6 Tensorflow环境配置.mp4 [7.2M]
┃ ┃ ┣━━1-7 Google_cloud无GPU环境搭建】.mp4 [257.4M]
┃ ┃ ┣━━1-8 Google_cloud_远程jupyter_notebook配置.com】.mp4 [314.8M]
┃ ┃ ┗━━1-9 Google_cloud_gpu_tensorflow配置.mp4 [380.9M]
┃ ┣━━第2章 Tensorflow keras实战 [2.6G]
┃ ┃ ┣━━2-1 tfkeras简介.mp4 [50.6M]
┃ ┃ ┣━━2-10 实战批归一化、激活函数、dropout.mp4 [282.7M]
┃ ┃ ┣━━2-11 wide_deep模型.mp4 [75M]
┃ ┃ ┣━━2-12 函数API实现wide&deep模型.mp4 [137.9M]
┃ ┃ ┣━━2-13 子类API实现wide&deep模型.mp4 [132.5M]
┃ ┃ ┣━━2-14 wide&deep模型的多输入与多输出实战.mp4 [261.6M]
┃ ┃ ┣━━2-15 超参数搜索.mp4 [88.3M]
┃ ┃ ┣━━2-16 手动实现超参数搜索实战.mp4 [177.5M]
┃ ┃ ┣━━2-17 实战sklearn封装keras模型.mp4 [179M]
┃ ┃ ┣━━2-18 实战sklearn超参数搜索.mp4 [156.8M]
┃ ┃ ┣━━2-2 分类回归与目标函数.mp4 [45M]
┃ ┃ ┣━━2-3 实战分类模型之数据读取与展示.mp4 [152.1M]
┃ ┃ ┣━━2-4 实战分类模型之模型构建.mp4 [329.8M]
┃ ┃ ┣━━2-5 实战分类模型之数据归一化.mp4 [183.7M]
┃ ┃ ┣━━2-6 实战回调函数.mp4 [231.3M]
┃ ┃ ┣━━2-7 实战回归模型-.mp4 [52.9M]
┃ ┃ ┣━━2-8 神经网络讲解.mp4 [101.8M]
┃ ┃ ┗━━2-9 实战深度神经网络.mp4 [24.4M]
┃ ┣━━第3章 Tensorflow基础API使用 [1.4G]
┃ ┃ ┣━━3-1 tf基础API引入】.mp4 [8.2M]
┃ ┃ ┣━━3-10 近似求导.mp4 [104.6M]
┃ ┃ ┣━━3-11 tf.GradientTape基本使用方法.mp4 [206M]
┃ ┃ ┣━━3-12 tf.GradientTape与tf.keras结合使用.mp4 [310.4M]
┃ ┃ ┣━━3-13 章节总结.mp4 [2.5M]
┃ ┃ ┣━━3-2 实战tf.constant.mp4 [80.7M]
┃ ┃ ┣━━3-3 实战tf.strings与ragged tensor.mp4 [17.8M]
┃ ┃ ┣━━3-4 实战sparse tensor与tf.Variable.mp4 [150.7M]
┃ ┃ ┣━━3-5 实战自定义损失函数与DenseLayer回顾】.mp4 [204.4M]
┃ ┃ ┣━━3-6 使子类与lambda分别实战自定义层次(上)】.mp4 [19M]
┃ ┃ ┣━━3-6 使子类与lambda分别实战自定义层次(下)】.mp4 [144.4M]
┃ ┃ ┣━━3-7 tf.function函数转换.mp4 [123.9M]
┃ ┃ ┣━━3-8 @tf.function函数转换-.mp4 [31.7M]
┃ ┃ ┗━━3-9 函数签名与图结构-.mp4 [32.7M]
┃ ┣━━第4章 Tensorflow dataset使用 [2G]
┃ ┃ ┣━━4-1 data_API引入.mp4 [14.1M]
┃ ┃ ┣━━4-2 tf_data基础API使用.mp4 [231.5M]
┃ ┃ ┣━━4-3 生成csv文件.mp4 [264.7M]
┃ ┃ ┣━━4-4 tf.io.decode_csv使用.mp4 [286.8M]
┃ ┃ ┣━━4-5 tf.data读取csv文件并与tf.keras结合使用】.mp4 [311.5M]
┃ ┃ ┣━━4-6 tfrecord基础API使用.mp4 [330.7M]
┃ ┃ ┣━━4-7 生成tfrecords文件.mp4 [420.1M]
┃ ┃ ┣━━4-8 tf.data读取tfrecord文件并与tf.keras结合使用】.mp4 [185.5M]
┃ ┃ ┗━━4-9 章节总结.mp4 [3.2M]
┃ ┣━━第5章 Tensorflow Estimator使用与tf1.0 [1.7G]
┃ ┃ ┣━━5-1 课程引入.mp4 [10.3M]
┃ ┃ ┣━━5-10 TF1_dataset使用_Trim.mp4 [94.2M]
┃ ┃ ┣━━5-11 TF1_自定义estimator.mp4 [354.1M]
┃ ┃ ┣━━5-12 API改动升级与课程总结.mp4 [111.4M]
┃ ┃ ┣━━5-2 泰坦尼克问题引入分析】.mp4 [161.5M]
┃ ┃ ┣━━5-3 feature_column使用.mp4 [198.1M]
┃ ┃ ┣━━5-4 keras_to_estimator.mp4 [27.4M]
┃ ┃ ┣━━5-5 预定义estimator使用.mp4 [242.3M]
┃ ┃ ┣━━5-6 交叉特征实战.mp4 [201.9M]
┃ ┃ ┣━━5-7 TF1.0引入.mp4 [11.6M]
┃ ┃ ┣━━5-8 TF1.0计算图构建(上).mp4 [159.5M]
┃ ┃ ┣━━5-8 TF1.0计算图构建(下).mp4 [11.4M]
┃ ┃ ┗━━5-9 TF1.0模型训练.mp4 [202.8M]
┃ ┣━━第6章 卷积神经网络 [2.7G]
┃ ┃ ┣━━6-1 卷积神经网络引入与总体结构.mp4 [35.9M]
┃ ┃ ┣━━6-10 10monkeys基础模型搭建与训练.mp4 [358M]
┃ ┃ ┣━━6-11 10monkeys模型微调】.mp4 [423.5M]
┃ ┃ ┣━━6-12 keras generator读取cifar10数据集.mp4 [488.7M]
┃ ┃ ┣━━6-13 模型训练与预测.mp4 [322.6M]
┃ ┃ ┣━━6-14.mp4 [26.8M]
┃ ┃ ┣━━6-2 卷积解决的问题.mp4 [134.3M]
┃ ┃ ┣━━6-3 卷积的计算.mp4 [61.4M]
┃ ┃ ┣━━6-4 池化操作.mp4 [17M]
┃ ┃ ┣━━6-5 卷积神经网络实战.mp4 [304M]
┃ ┃ ┣━━6-6 深度可分离卷积网络.mp4 [73.1M]
┃ ┃ ┣━━6-7 深度可分离卷积网络实战.mp4 [171.8M]
┃ ┃ ┣━━6-8 Kaggle平台与10monkeys数据集介绍.mp4 [124.8M]
┃ ┃ ┗━━6-9 Keras generator读取数据.mp4 [261.2M]
┃ ┣━━第7章 循环神经网络 [1.8G]
┃ ┃ ┣━━7-1 循环神经网络引入与embedding.mp4 [68.2M]
┃ ┃ ┣━━7-10 LSTM文本分类与文本生成实战.mp4 [276.1M]
┃ ┃ ┣━━7-11 subword文本分类之数据集载入与tokenizer.ts [57M]
┃ ┃ ┣━━7-12 subword文本分类之dataset变换与模型训练..ts [52.3M]
┃ ┃ ┣━━7-13 章节总结.ts [20.5M]
┃ ┃ ┣━━7-2 数据集载入与构建词表索引.mp4 [212.6M]
┃ ┃ ┣━━7-3 数据padding、模型构建与训练.mp4 [33.1M]
┃ ┃ ┣━━7-4 序列式问题与循环神经网络.mp4 [116.7M]
┃ ┃ ┣━━7-5 循环神经网络实战文本分类.mp4 [349.8M]
┃ ┃ ┣━━7-6 文本生成之数据处理.mp4 [272.7M]
┃ ┃ ┣━━7-7 文本生成实战之构建模型.mp4 [317.2M]
┃ ┃ ┣━━7-8 文本生成实战之采样生成文本.mp4 [40.1M]
┃ ┃ ┗━━7-9 LSTM长短期记忆网络.mp4 [75.9M]
┃ ┣━━第8章 Tensorflow分布式 [1.2G]
┃ ┃ ┣━━8-1 课程引入与GPU设置.mp4 [24.1M]
┃ ┃ ┣━━8-2 GPU默认设置.mp4 [152M]
┃ ┃ ┣━━8-3 内存增长和虚拟设备实战.mp4 [222.3M]
┃ ┃ ┣━━8-4 GPU手动设置实战.mp4 [187.5M]
┃ ┃ ┣━━8-5 分布式策略.mp4 [96.3M]
┃ ┃ ┣━━8-6 keras分布式实战.mp4 [228.3M]
┃ ┃ ┣━━8-7 estimator分布式实战.mp4 [208.6M]
┃ ┃ ┣━━8-8 自定义流程实战.ts [94.7M]
┃ ┃ ┗━━8-9 分布式自定义流程实战.ts [62.8M]
┃ ┗━━第9章 Tensorflow模型保存与部署 [1.7G]
┃ ┣━━9-1 课程引入与TFLite_x264.mp4 [107.3M]
┃ ┣━━9-2 保存模型结构加参数与保存参数实战.mp4 [305.1M]
┃ ┣━━9-3 Keras模型转化为SavedModel.mp4 [389.4M]
┃ ┣━━9-4 签名函数转化为SavedModel.mp4 [37.1M]
┃ ┣━━9-5 签名函数，SavedModel和Keras模型到具体函数转换】.mp4 [196.9M]
┃ ┣━━9-6 tflite保存与解释与量化.ts [104.1M]
┃ ┣━━9-7)】.mp4 [195.7M]
┃ ┣━━9-8 tensorflowjs搭建服务器载入模型实战 (1433).com】.mp4 [182.1M]
┃ ┗━━9-9 Android部署模型实战与总结 (1410) 正在学习.mp4 [239.3M]
┃ ┣━━第10章 机器翻译 [2.2G]
┃ ┃ ┣━━10-1 课程引入与seq2seq+attention模型讲解】.ts [62.5M]
┃ ┃ ┣━━10-10 样例例分析与总结】.ts [50M]
┃ ┃ ┣━━10-11 Transformer模型总体架构.ts [70.7M]
┃ ┃ ┣━━10-12 Encoder-Decoder架构与缩放点击注意力.ts [52.9M]
┃ ┃ ┣━━10-13 多头注意力与位置编码.ts [50.9M]
┃ ┃ ┣━━10-14 Add、Normalize、Decoding过程与总结om】.ts [44.9M]
┃ ┃ ┣━━10-15 数据预处理与dataset生成.ts [111.6M]
┃ ┃ ┣━━10-16 位置编码.ts [59.6M]
┃ ┃ ┣━━10-17 mask构建】.ts [44.2M]
┃ ┃ ┣━━10-18 缩放点积注意力机制实现(1)【】.ts [58.7M]
┃ ┃ ┣━━10-19 缩放点积注意力机制实现(2】.ts [45.7M]
┃ ┃ ┣━━10-2 数据预处理理与读取】.ts [91M]
┃ ┃ ┣━━10-20 多头注意力机制实现】.ts [89.7M]
┃ ┃ ┣━━10-21 feedforward层次实现】.ts [13.3M]
┃ ┃ ┣━━10-22 EncoderLayer实现】.ts [64.3M]
┃ ┃ ┣━━10-23 DecoderLayer实现】.ts [74.9M]
┃ ┃ ┣━━10-24 EncoderModel实现】.ts [62.7M]
┃ ┃ ┣━━10-25 DecoderModel实现】.ts [66.2M]
┃ ┃ ┣━━10-26 Transformer实现】.ts [74.8M]
┃ ┃ ┣━━10-27 自定义学习率】.ts [61.3M]
┃ ┃ ┣━━10-28 Mask创建与使用】.ts [102.4M]
┃ ┃ ┣━━10-29 模型训练】.ts [85.2M]
┃ ┃ ┣━━10-3 数据id化与dataset生成】.ts [73.6M]
┃ ┃ ┣━━10-30 模型预测实现】.ts [84.4M]
┃ ┃ ┣━━10-31 attention可视化】.ts [69.8M]
┃ ┃ ┣━━10-32 示例展示与实战总结 .mp4 [168.9M]
┃ ┃ ┣━━10-33 GPT与Bert与课程总结 .mp4 [45.9M]
┃ ┃ ┣━━10-4 Encoder构建】.ts [47.7M]
┃ ┃ ┣━━10-5 attention构建】.ts [46.3M]
┃ ┃ ┣━━10-6 Decoder构建】.ts [59.4M]
┃ ┃ ┣━━10-7 损失函数与单步训练函数】.ts [57.3M]
┃ ┃ ┣━━10-8 模型训练.ts [38.5M]
┃ ┃ ┗━━10-9 模型预测实现.ts [89.9M]
┗━━00.资料.zip [3.9M]

admin网站管理

收藏 海报 链接