Tensorflow深度学习入门与实战
Tensorflow深度学习入门与实战

本课程用通俗易懂的实例,系统讲解了Tensorflow2.0的使用,是一堂简明易懂、系统深入的 Tensorflow 2.0 教程。

〖资源截图〗:

Tensorflow深度学习入门与实战
Tensorflow深度学习入门与实战

〖资源目录〗:

  • ├──{10}–使用预训练网络(迁移学习)
  • | ├──[10.1]–预训练网络(迁移学习)基础知识.mp4 19.91M
  • | ├──[10.2]–迁移学习网络架构.mp4 9.66M
  • | ├──[10.3]–迁移学习的代码实现.mp4 27.81M
  • | ├──[10.4]–经典预训练网络权重分享和使用方法.mp4 11.62M
  • | ├──[10.5]–预训练网络使用——微调.mp4 26.43M
  • | └──[10.6]–常见的预训练网络模型及使用示例.mp4 66.15M
  • ├──{11}–多输出模型实例
  • | ├──[11.1]–多输出模型实例——数据加载.mp4 80.68M
  • | ├──[11.2]–多输出模型的创建.mp4 28.07M
  • | ├──[11.3]–多输出模型的编译和训练.mp4 17.56M
  • | └──[11.4]–多输出模型的评价与模型预测.mp4 57.26M
  • ├──{12}–模型保存与恢复
  • | ├──[12.1]–保存整体模型.mp4 27.50M
  • | ├──[12.2]–.仅保存架构和仅保存权重.mp4 105.24M
  • | ├──[12.3]–使用回调函数保存模型.mp4 24.07M
  • | └──[12.4]–在自定义训练中保存检查点.mp4 46.13M
  • ├──{13}–图像定位
  • | ├──[13.1]–常见图像处理任务.mp4 28.19M
  • | ├──[13.2]–图像和位置数据的解析与可视化.mp4 39.37M
  • | ├──[13.3]–图片缩放与目标值的规范.mp4 20.50M
  • | ├──[13.4]–数据读取与预处理(一).mp4 25.95M
  • | ├──[13.5]–数据读取与预处理——创建目标数据datasets.mp4 20.72M
  • | ├──[13.6]–创建输入管道.mp4 27.14M
  • | ├──[13.7]–图像定位模型创建.mp4 28.40M
  • | ├──[13.8]–图像定位模型的预测.mp4 37.83M
  • | └──[13.9]–图像定位的优化、评价和应用简介.mp4 18.98M
  • ├──{14}–自动图运算与GPU使用策略
  • | ├──[14.1]–自动图运算.mp4 22.85M
  • | └──[14.2]–GPU配置与使用策略.mp4 70.27M
  • ├──{15}–图像语义分割
  • | ├──[15.10]–FCN模型搭建(二).mp4 18.87M
  • | ├──[15.11]–FCN模型训练和预测.mp4 35.46M
  • | ├──[15.1]–图像语义分割简介.mp4 16.73M
  • | ├──[15.2]–图像语义分割网络结构——FCN.mp4 25.22M
  • | ├──[15.3]–图像语义分割网络FCN的跳接结构.mp4 15.17M
  • | ├──[15.4]–图像语义分割网络FCN代码实现(一).mp4 30.12M
  • | ├──[15.5]–图像语义分割网络FCN代码实现(二).mp4 28.72M
  • | ├──[15.6]–准备输入数据、可视化输入数据.mp4 85.07M
  • | ├──[15.7]–使用预训练网络.mp4 29.73M
  • | ├──[15.8]–获取模型中间层的输出.mp4 38.77M
  • | └──[15.9]–FCN模型搭建(一).mp4 81.38M
  • ├──{16}–RNN循环神经网络
  • | ├──[16.1]–RNN循环神经网络简介.mp4 34.53M
  • | ├──[16.2]–tf.keras循环神经网络-航空评数据预处理(一).mp4 42.99M
  • | ├──[16.3]–tf.keras循环神经网络-航空评数据预处理(二).mp4 30.64M
  • | └──[16.4]–tf.keras循环神经网络-航空评数据分类模型.mp4 29.47M
  • ├──{17}–RNN序列预测实例-空气污染预测
  • | ├──[17.1]–RNN序列预测实例-空气污染预测-数据预处理(一).mp4 99.78M
  • | ├──[17.2]–RNN序列预测实例-空气污染预测-数据预处理(二).mp4 52.17M
  • | ├──[17.3]–RNN序列预测实例-空气污染预测-数据采样(一).mp4 36.62M
  • | ├──[17.4]–RNN序列预测实例-空气污染预测-数据采样(二).mp4 24.31M
  • | ├──[17.5]–RNN序列预测实例-空气污染预测-基础模型.mp4 33.27M
  • | ├──[17.6]–RNN序列预测实例-空气污染预测-搭建LSTM模型.mp4 32.21M
  • | ├──[17.7]–LSTM模型优化-多层LSTM和训练速度衰减.mp4 37.23M
  • | └──[17.8]–LSTM模型的预测和评价.mp4 47.45M
  • ├──{18}–使用免费GPU加速训练
  • | ├──[18.1]–注册和使用界面简介.mp4 28.61M
  • | └──[18.2]–添加数据集和下载运行输出.mp4 31.03M
  • ├──{19}–下面的课程为1.x版本课程,感兴趣可以学习
  • | └──(19.1)–Tensorflow1.x版本课程介绍(续).pdf 158.45kb
  • ├──{1}–课程简介与开发环境搭建
  • | ├──(1.3)–Tensorflow2.0安装PPT.pdf 352.57kb
  • | ├──[1.1]–课程简介.mp4 7.23M
  • | ├──[1.2]–Tensorflow2.0极简安装教程.mp4 54.06M
  • | ├──[1.4]–Tensorflow2.0正式版的安装(选看).mp4 37.24M
  • | └──[1.5]–原生python环境安装tensorflow指南(选学).mp4 25.50M
  • ├──{20}–Tensorflow的简介与安装
  • | ├──[20.1]–Tensorflow的简介与安装.mp4 97.88M
  • | └──[20.2]–课程更新介绍及安装提示(2019.02).mp4 13.86M
  • ├──{21}–Tensorflow数据流图、张量及数据类型
  • | └──[21.1]–Tensorflow数据流图、张量及数据类型.mp4 87.25M
  • ├──{22}–Tensorflow中的session、占位符和变量
  • | └──[22.1]–Tensorflow中的session、占位符和变量.mp4 51.86M
  • ├──{23}–机器学习基础-线性回归模型
  • | └──[23.1]–机器学习基础-线性回归模型.mp4 139.82M
  • ├──{25}–多分类问题-IRIS数据集
  • | └──[25.1]–多分类问题-IRIS数据集.mp4 183.44M
  • ├──{26}–CNN卷积神经网络
  • | ├──[26.1]–CNN卷积神经网络介绍.mp4 117.04M
  • | ├──[26.2]–Mnist手写数字数据集softmax识别.mp4 92.78M
  • | └──[26.3]–卷积神经网络识别Mnist手写数字数据集.mp4 121.70M
  • ├──{27}–CNN卷积神经网络高级应用
  • | ├──[27.1]–Tensorflow读取机制与猫和狗识别数据集.mp4 167.29M
  • | ├──[27.2]–猫和狗数据集的CNN网络实现.mp4 193.89M
  • | ├──[27.3]–CNN保存检查点.mp4 152.78M
  • | ├──[27.4]–过拟合与正则化以及数据增强处理.mp4 123.87M
  • | ├──[27.5]–Cifar-10数据集的CNN实现.mp4 201.78M
  • | └──[27.6]–批标准化简介与应用.mp4 141.82M
  • ├──{28}–新读取机制:tf.data模块
  • | ├──[28.1]–使用tf.data读取猫狗数据集(一).mp4 32.85M
  • | ├──[28.2]–使用tf.data读取猫狗数据集(二).mp4 88.89M
  • | ├──[28.3]–Feedableiterator使用实例(一).mp4 28.88M
  • | └──[28.4]–Feedableiterator使用实例(二).mp4 55.15M
  • ├──{29}–Tensorflow高级API——tf.layers模块
  • | ├──[29.1]–tf.layers模块常用方法(一).mp4 60.66M
  • | └──[29.2]–tf.layers模块常用方法(二).mp4 18.37M
  • ├──{2}–深度学习基础和tf.keras
  • | ├──[2.10]–独热编码与交叉熵损失函数.mp4 25.72M
  • | ├──[2.11]–优化函数、学习速率、反向传播算法.mp4 41.11M
  • | ├──[2.12]–网络优化与超参数选择.mp4 18.50M
  • | ├──[2.13]–Dropout抑制过拟合与网络参数选择总原则.mp4 49.49M
  • | ├──[2.14]–Dropout与过拟合抑制.mp4 20.50M
  • | ├──[2.15]–tf.keras函数式API.mp4 28.58M
  • | ├──[2.1]–机器学习原理-线性回归.mp4 52.06M
  • | ├──[2.2]–tf.keras实现线性回归.mp4 25.76M
  • | ├──[2.3]–梯度下降算法.mp4 20.20M
  • | ├──[2.4]–多层感知器(神经网络)与激活函数.mp4 15.29M
  • | ├──[2.5]–多层感知器(神经网络)的代码实现.mp4 59.69M
  • | ├──[2.6]–逻辑回归与交叉熵.mp4 10.80M
  • | ├──[2.7]–逻辑回归实现.mp4 24.51M
  • | ├──[2.8]–softmax多分类(一).mp4 18.52M
  • | └──[2.9]–softmax多分类代码实现-fashionmnist数据分类实.mp4 45.66M
  • ├──{30}–RNN循环神经网络
  • | ├──[30.1]–RNN循环神经网络简介.mp4 44.52M
  • | ├──[30.2]–RNN识别Mnist手写数字数据集.mp4 159.95M
  • | ├──[30.3]–美国航空公司Twitter评数据集-数据预处理.mp4 75.38M
  • | └──[30.4]–美国航空公司Twitter评数据集-RNN实现.mp4 163.95M
  • ├──{31}–练习作业-搜狗实验室搜狐新闻数据分类
  • | └──[31.1]–练习作业-搜狗实验室搜狐新闻中文数据分类.mp4 106.81M
  • ├──{32}–附:Anaconda与Jputernotebook安装使用技巧
  • | ├──[32.1]–Anaconda的安装 .mp4 74.74M
  • | ├──[32.2]–conda的使用.mp4 41.33M
  • | ├──[32.3]–Notebook页面介绍.mp4 65.83M
  • | ├──[32.4]–Jupyternotebook使用技巧(一).mp4 51.62M
  • | └──[32.5]–Jupyternotebook技巧(二).mp4 90.21M
  • ├──{3}–tf.data输入模块
  • | ├──[3.1]–tf.data模块简介.mp4 42.30M
  • | ├──[3.2]–tf.data模块用法示例.mp4 23.03M
  • | ├──[3.3]–tf.data输入实例(一).mp4 22.03M
  • | └──[3.4]–tf.data输入实例(二).mp4 29.18M
  • ├──{4}–计算机视觉-卷积神经网络
  • | ├──[4.1]–认识卷积神经网络(一).mp4 26.11M
  • | ├──[4.2]–认识卷积神经网络-卷积层和池化层.mp4 35.58M
  • | ├──[4.3]–卷积神经网络整体架构.mp4 13.09M
  • | ├──[4.4]–卷积神经网络识别Fashionmnist数据集.mp4 26.54M
  • | ├──[4.5]–搭建卷积神经网络.mp4 39.63M
  • | └──[4.6]–卷积神经网络的优化.mp4 21.90M
  • ├──{5}–卫星图像识别tf.data、卷积综合实例
  • | ├──[5.1]–卫星图像识别卷积综合实例:图片数据读取.mp4 30.94M
  • | ├──[5.2]–卫星图像识别卷积综合实例:读取和解码图片.mp4 27.80M
  • | ├──[5.3]–卫星图像识别卷积综合实例:tf.data构造输入.mp4 52.25M
  • | ├──[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 59.93M
  • | ├──[5.5]–卫星图像识别卷积综合实例分类模型训练.mp4 18.34M
  • | ├──[5.6]–批标准化.mp4 17.10M
  • | └──[5.7]–批标准化的使用.mp4 25.82M
  • ├──{6}–tf.keras高阶API实例
  • | ├──[6.1]–tf.keras序列问题-电影评数据分类(一).mp4 68.43M
  • | ├──[6.2]–tf.keras序列问题-电影评数据分类(二).mp4 29.86M
  • | ├──[6.3]–tf.keras训练过程可视化及解决过拟合问题.mp4 46.89M
  • | ├──[6.4]–tf.keras图像识别-猫狗数据集实例(一).mp4 32.44M
  • | └──[6.5]–tf.keras图像识别-猫狗数据集实例(二).mp4 24.65M
  • ├──{7}–Eager模式与自定义训练
  • | ├──[7.10]–tf.keras.metrics汇总计算应用实例(二).mp4 21.32M
  • | ├──[7.1]–Eager模式简介.mp4 16.30M
  • | ├──[7.2]–Eager模式代码演示与张量.mp4 22.93M
  • | ├──[7.3]–变量与自动微分运算.mp4 22.55M
  • | ├──[7.4]–自动微分与自定义训练(一).mp4 30.13M
  • | ├──[7.5]–Tensorflow自定义训练(二).mp4 23.77M
  • | ├──[7.6]–Tensorflow自定义训练(三).mp4 29.89M
  • | ├──[7.7]–Tensorflow自定义训练(四).mp4 34.88M
  • | ├──[7.8]–tf.keras.metrics汇总计算模块.mp4 66.06M
  • | └──[7.9]–tf.keras.metrics汇总计算应用实例(一).mp4 22.65M
  • ├──{8}–Tensorboard可视化
  • | ├──[8.1]–利用回调函数使用Tensorboard.mp4 26.38M
  • | ├──[8.2]–Tensorboard启动和界面含义介绍.mp4 28.42M
  • | ├──[8.3]–自定义变量的tensorboard可视化.mp4 31.11M
  • | └──[8.4]–自定义训练中的tensorboard可视化.mp4 71.91M
  • ├──{9}–自定义训练综合实例与图片增强
  • | ├──[9.10]–模型的进一步优化与VGG网络.mp4 33.32M
  • | ├──[9.1]–猫狗数据实例-数据读取.mp4 38.57M
  • | ├──[9.2]–猫狗数据实例-创建dataset.mp4 29.71M
  • | ├──[9.3]–猫狗数据实例-创建模型.mp4 34.33M
  • | ├──[9.4]–猫狗数据实例-损失函数与优化器.mp4 28.46M
  • | ├──[9.5]–猫狗数据实例-定义单批次训练函数.mp4 31.48M
  • | ├──[9.6]–使用kaggle训练模型.mp4 41.30M
  • | ├──[9.7]–在自定义训练中添加验证数据.mp4 32.79M
  • | ├──[9.8]–模型的训练与优化.mp4 35.98M
  • | └──[9.9]–猫狗数据实例-图片增强.mp4 23.76M
  • └──日月光华-tensorflow资料
  • | ├──datasets
  • | | ├──cifar-10-batches-py
  • | | ├──fashion-mnist
  • | | ├──cifar-10-batches-py.tar.gz 140.06M
  • | | ├──imdb.npz 16.66M
  • | | ├──imdb_word_index.json 1.57M
  • | | └──mnist.npz 10.96M
  • | ├──model weights
  • | | ├──inception_v3_weights_tf_dim_ordering_tf_kernels.h5 90.71M
  • | | ├──inception_v3_weights_tf_dim_ordering_tf_kernels_notop.h5 82.89M
  • | | ├──inception_v3_weights_tf_dim_ordering_tf_kernels_notop_update.h5 83.84M
  • | | ├──inception_v3_weights_tf_dim_ordering_tf_kernels_update.h5 91.66M
  • | | ├──mobilenet_v2_weights_tf_dim_ordering_tf_kernels_1.0_224_no_top.h5 8.97M
  • | | ├──resnet50_weights_tf_dim_ordering_tf_kernels.h5 98.09M
  • | | ├──resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5 90.27M
  • | | ├──vgg16_weights_tf_dim_ordering_tf_kernels.h5 527.83M
  • | | ├──vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5 56.16M
  • | | ├──vgg19_weights_tf_dim_ordering_tf_kernels.h5 548.09M
  • | | ├──vgg19_weights_tf_dim_ordering_tf_kernels_notop.h5 76.42M
  • | | ├──xception_weights_tf_dim_ordering_tf_kernels.h5 87.63M
  • | | └──xception_weights_tf_dim_ordering_tf_kernels_notop.h5 79.81M
  • | ├──tensorflow2.0代码
  • | | ├──10. tf.data输入模块实例 日月光华.ipynb 17.31kb
  • | | ├──11. tf.data 卫星数据分类 日月光华.ipynb 261.21kb
  • | | ├──12.keras基础实例 电影评价预测 日月光华.ipynb 60.88kb
  • | | ├──13.猫狗数据集 图片数据增强 日月光华.ipynb 110.70kb
  • | | ├──14.循环神经网络实例 – 航空公司评情绪预测 – 日月光华.ipynb 147.15kb
  • | | ├──15.LSTM实例 – 北京空气污染序列预测 日月光华.ipynb 228.05kb
  • | | ├──3. 日月光华 tensorflow2.0课程 tf.keras概述.ipynb 567.84kb
  • | | ├──4. 日月光华 tensorflow2.0课程 多层感知器.ipynb 56.35kb
  • | | ├──41.eager模式 日月光华.ipynb 7.22kb
  • | | ├──44.自动微分运算 日月光华.ipynb 28.63kb
  • | | ├──48.自动微分运算(续) 日月光华.ipynb 35.81kb
  • | | ├──5. 日月光华 tensorflow2.0课程 逻辑回归实现.ipynb 47.25kb
  • | | ├──51.Tensorboard可视化 日月光华.ipynb 29.60kb
  • | | ├──55.猫狗数据自定义训练实例 日月光华.ipynb 192.76kb
  • | | ├──6. 日月光华 tensorflow2.0课程 softmax多分类.ipynb 112.03kb
  • | | ├──7. 模型优化 日月光华.ipynb 48.92kb
  • | | ├──8. tf.data模块 日月光华.ipynb 7.30kb
  • | | ├──8. 抑制过拟合 日月光华.ipynb 88.14kb
  • | | ├──82. 多输出模型实例 日月光华.ipynb 2.30M
  • | | └──9. 函数式api 日月光华.ipynb 44.99kb
  • | ├──日月光华tensorflow课程PPT
  • | | ├──1. Tensorflow2.0简介.pdf 176.70kb
  • | | ├──10. tf.data模块.pdf 108.24kb
  • | | ├──11. 卷积神经网络CNN基础.pdf 419.92kb
  • | | ├──12. Tensorflow eager模式.pdf 161.63kb
  • | | ├──13. tf.fuction自动图运算.pdf 105.44kb
  • | | ├──14.Tensorboard可视化.pdf 84.92kb
  • | | ├──15.批标准化.pdf 195.48kb
  • | | ├──16.著名的CNN架构.pdf 216.47kb
  • | | ├──17. 使用预训练网络.pdf 313.96kb
  • | | ├──18. 常见预训练网络.pdf 180.65kb
  • | | ├──18. 模型保存.pdf 158.56kb
  • | | ├──2. Tensorflow2.0安装.pdf 380.50kb
  • | | ├──3. 机器学习基础与tf.keras概述.pdf 89.54kb
  • | | ├──4. 多层感知器 (MLP).pdf 392.81kb
  • | | ├──5. 逻辑回归与交叉熵.pdf 130.97kb
  • | | ├──6. softmax多分类.pdf 360.61kb
  • | | ├──7. 优化函数、学习速率与反向传播算法.pdf 387.91kb
  • | | ├──8.超参数选择原则.pdf 123.10kb
  • | | └──9. dropout.pdf 233.39kb
  • | └──数据集
  • | | ├──IMDB-WIKI_500k+ face images with age and gender labels
  • | | ├──iris
  • | | ├──tt
  • | | ├──图片定位与分割数据集
  • | | ├──2_class.rar 15.56M
  • | | ├──Advertising.csv 4.64kb
  • | | ├──cifar-10.rar 138.17M
  • | | ├──credit-a.csv 28.09kb
  • | | ├──imdb.npz 16.66M
  • | | ├──Incne1.csv 1.15kb
  • | | ├──iris.csv 4.86kb
  • | | ├──multi-output-classification多输出模型数据集.zip 540.97M
  • | | ├──PRSA_data_2010.1.1-2014.12.31.csv 1.92M
  • | | ├──Tweets.csv 3.26M
  • | | ├──航空公司twittrer评数据集.rar 32.16kb
  • | | ├──猫狗数据集.rar 814.76M
  • | | ├──猫狗数据集_2000.zip 65.53M
  • | | └──日月光华_birds分类竞赛数据.zip 1.06G

本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。

最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。 若排除这种情况,可在对应资源底部留言,或联络我们。

对于会员专享、整站源码、程序插件、网站模板、网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。

如果您已经成功付款但是网站没有弹出成功提示,请联系站长提供付款信息为您处理

源码素材属于虚拟商品,具有可复制性,可传播性,一旦授予,不接受任何形式的退款、换货要求。请您在购买获取之前确认好 是您所需要的资源