〖课程介绍〗:
适用人群0 v! X5 D& t) ?) U, r
想要从事人工智能方向的开发工程师、产品设计师。具有一定的Python编程开发基础。
课程概述
本课程是人工智能深度学习框架TensorFlow零基础入门实战课程，有具有十几年一线技术研发经验的资深技术专家主讲，课程内容包括：3个实战案例，7大组成部分，34项关键技术。带你系统学习TensorFlow深度学习框架体系结构、安装部署、开发基础入门、案例实战和可视运行监控。课程案例采用主流深度学习语言Python编写，有效降低学习难度。( R3 Z0 | @1 \6 W
〖课程目录〗:2 f2 ~" t! }: ]
章节1:基础理论篇
课时1TensorFlow深度学习框架简介12:51
课时2TensorFlow深度学习框架体系结构11:47) y1 o& X/ O+ z# e
课时3TensorFlow深度学习框架开发接口14:12! T' j1 L' h( h2 ~7 R( r; J+ j" f
章节2:TensorFlow开发环境部署
课时4Tensorflow开源框架概述18:349 s5 y4 F' r4 X$ a5 U
课时5Tensorflow环境安装部署14:31' h8 C$ j0 l9 P9 a! |- a7 D; j
课时6Tensorflow框架源码编译14:39/ P, |1 q! _% J8 V6 F
章节3:Tensorflow开发基础入门7 X- c1 _& J5 r J! p" r
课时7Tnesorflow计算模型-计算图12:57( Q: @* H! M) N. z$ E
课时8Tensorflow数据模型-张量14:30, G+ ` @$ S* c$ I# U
课时9Tensorflow运行模型-会话12:185 n7 q6 x# T b. s
课时10Tensorflow第一个样例程序13:13 P$ } `8 v9 V# m [' i
章节4:实战案例1：机器学习
课时11MNIST手写数字识别数据样本12:00
课时12MNIST手写数字识别算法模型10:56
课时13TensorFlow机器学习模型训练14:12
课时14TensorFlow机器学习模型序列化15:12
章节5:实战案例2：卷积神经网络/ o7 i7 d# V p \0 C
课时15TensorFlow CNN数据样本10:43
课时16TensorFlow CNN模型设计08:36" Z: v- p7 S% ~8 n' r
课时17TensorFlow CNN模型训练13:59" s4 j' `) x$ g5 c/ U
课时18TensorFlow CNN模型序列化15:00
课时19TensorFlow CNN模型可视化07:33
课时20TensorFlow GPU模型训练常见异常12:27" L- d" c' r6 o: B5 u( b' |
章节6:实战案例3：循环神经网络
课时21TensorFlow RNN 模型基础26:09
课时22TensorFlow RNN数据样本09:36: g9 s9 R3 o/ Z7 T' g$ G
课时23TensorFlow RNN数据预处理15:01
课时24TensorFlow RNN模型训练16:25
课时25TensorFlow RNN模型序列化16:155 h+ E M* F, q& x
章节7:TensorBoard可视化工具
课时26Tensorboard可视化工具概述09:53
课时27Tensorboard第一个可视化程序09:41
课时28Tensorboard可视化效果优化06:14
|
/1 
