深度学习框架Tensorflow实战

【资源目录】:

├──01.tensorflow环境安装

| ├──1-1 课程简介.mp4 3.84M

| ├──1-2 Tensorflow2版本简介与心得.mp4 32.74M

| ├──1-3 Tensorflow2版本安装方法.mp4 34.47M

| └──1-4 tf基础操作.mp4 20.11M

├──02.神经网络

| ├──2-1 深度学习要解决的问题.mp4 20.99M

| ├──2-10 神经网络架构细节.mp4 43.70M

| ├──2-11 神经元个数对结果的影响.mp4 41.92M

| ├──2-12 正则化与激活函数.mp4 26.73M

| ├──2-13 神经网络过拟合解决方法.mp4 36.73M

| ├──2-2 深度学习应用领域.mp4 59.04M

| ├──2-3 计算机视觉任务.mp4 19.50M

| ├──2-4 视觉任务中遇到的问题.mp4 37.09M

| ├──2-5 得分函数.mp4 19.12M

| ├──2-6 损失函数的作用.mp4 32.62M

| ├──2-7 前向传播整体流程.mp4 38.49M

| ├──2-8 返向传播计算方法.mp4 24.87M

| └──2-9 神经网络整体架构.mp4 31.47M

├──03.回归任务

| ├──3-1 任务目标与数据集简介.mp4 25.97M

| ├──3-2 建模流程与API文档.mp4 25.28M

| ├──3-3 网络模型训练.mp4 29.95M

| ├──3-4 模型超参数调节与预测结果展示.mp4 42.57M

| ├──3-5 分类模型构建.mp4 40.33M

| ├──3-6 tf.data模块解读.mp4 29.19M

| └──3-7 模型保存与读取实例.mp4 47.86M

├──04.卷积神经

| ├──4-1 卷积网络应用领域.mp4 26.64M

| ├──4-10 VGG网络架构.mp4 20.55M

| ├──4-11 残差网络Resnet.mp4 18.38M

| ├──4-12 感受野的作用.mp4 16.77M

| ├──4-2 卷积的作用.mp4 23.60M

| ├──4-3 卷积特征值计算方法.mp4 22.68M

| ├──4-4 得到特征图表示.mp4 18.47M

| ├──4-5 步长与卷积核大小对结果的影响.mp4 20.39M

| ├──4-6 边缘填充方法.mp4 17.93M

| ├──4-7 特征图尺寸计算与参数共享.mp4 22.04M

| ├──4-8 池化层的作用.mp4 11.33M

| └──4-9 整体网络架构.mp4 17.99M

├──05.识别实战

| ├──5-1 猫狗识别任务与数据简介.mp4 18.22M

| ├──5-2 卷积网络涉及参数解读.mp4 25.91M

| ├──5-3 网络架构配置.mp4 28.13M

| └──5-4 卷积模型训练与识别效果展示.mp4 42.36M

├──06.图像数据增强

| ├──6-1 数据增强概述.mp4 39.30M

| ├──6-2 图像数据变换.mp4 66.27M

| └──6-3 猫狗识别任务数据增强实例.mp4 20.99M

├──07.迁移学习实战

| ├──7-1 迁移学习的目标.mp4 13.29M

| ├──7-2 迁移学习策略.mp4 16.08M

| ├──7-3 Resnet原理.mp4 60.19M

| ├──7-4 加载训练好的经典网络模型.mp4 34.20M

| ├──7-5 Callback模块与迁移学习实例.mp4 39.86M

| ├──7-6 tfrecords数据源制作方法.mp4 34.13M

| └──7-7 图像数据处理实例.mp4 35.44M

├──08.递归神经网络与词向量

| ├──8-1 RNN网络架构解读.mp4 22.98M

| ├──8-2 词向量模型通俗解释.mp4 21.22M

| ├──8-3 模型整体框架.mp4 27.36M

| ├──8-4 训练数据构建.mp4 15.78M

| ├──8-5 CBOW与Skip-gram模型.mp4 22.57M

| └──8-6 负采样方案.mp4 23.13M

├──09.词向量模型

| ├──9-1 任务流程解读.mp4 17.70M

| ├──9-2 模型定义参数设置.mp4 16.81M

| ├──9-3 文本词预处理操作.mp4 16.19M

| ├──9-4 训练batch数据制作.mp4 43.05M

| └──9-5 损失函数定义与训练结果展示.mp4 29.75M

├──10.LSTM文本分类任务实战

| ├──10-1 任务目标与数据介绍.mp4 21.49M

| ├──10-2 RNN模型输入数据维度解读.mp4 18.60M

| ├──10-3 数据映射表制作.mp4 34.69M

| ├──10-4 embedding层向量制作.mp4 38.82M

| ├──10-5 数据生成器构造.mp4 35.14M

| ├──10-6 双向RNN模型定义.mp4 19.69M

| ├──10-7 自定义网络模型架构.mp4 41.49M

| ├──10-8 训练策略指定.mp4 22.92M

| └──10-9 训练文本分类模型.mp4 30.81M

├──11.CNN网络实战

| ├──11-1 CNN应用于文本任务原理解析.mp4 23.38M

| ├──11-2 整体流程解读.mp4 20.59M

| └──11-3 网络架构设计与训练.mp4 40.89M

├──12.时间序列预测

| ├──12-1 任务目标与数据源.mp4 18.44M

| ├──12-2 构建时间序列数据.mp4 26.15M

| ├──12-3 训练时间序列数据预测结果.mp4 29.79M

| ├──12-4 多特征预测结果.mp4 24.32M

| └──12-5 序列结果预测.mp4 15.19M

├──13.框架BERT

| ├──13-1 BERT任务目标概述.mp4 11.28M

| ├──13-10 训练实例.mp4 23.51M

| ├──13-2 传统解决方案遇到的问题.mp4 23.32M

| ├──13-3 注意力机制的作用.mp4 15.95M

| ├──13-4 self-attention计算方法.mp4 23.89M

| ├──13-5 特征分配与softmax机制.mp4 21.35M

| ├──13-6 Multi-head的作用.mp4 20.10M

| ├──13-7 位置编码与多层堆叠.mp4 17.16M

| ├──13-8 transformer整体架构梳理.mp4 22.55M

| └──13-9 BERT模型训练方法.mp4 20.74M

├──14.BERT实战

| ├──14-1 BERT开源项目简介.mp4 30.48M

| ├──14-10 构建QKV矩阵.mp4 55.59M

| ├──14-11 完成Transformer模块构建.mp4 45.84M

| ├──14-12 训练BERT模型.mp4 45.87M

| ├──14-2 项目参数配置.mp4 53.10M

| ├──14-3 数据读取模块.mp4 40.40M

| ├──14-4 数据预处理模块.mp4 43.13M

| ├──14-5 tfrecord制作.mp4 53.83M

| ├──14-6 Embedding层的作用.mp4 33.81M

| ├──14-7 加入额外编码特征.mp4 44.61M

| ├──14-8 加入位置编码特征.mp4 24.95M

| └──14-9 mask机制.mp4 43.04M

├──15.对抗生成网络实战

| ├──15-1 对抗生成网络通俗解释.mp4 21.20M

| ├──15-2 GAN网络组成.mp4 11.31M

| ├──15-3 DCGAN网络架构与流程解读.mp4 16.84M

| ├──15-4 网络架构设计.mp4 29.14M

| └──15-5 损失函数定义与训练.mp4 39.30M

├──16.CycleGan实战

| ├──16-1 CycleGan网络所需数据.mp4 29.60M

| ├──16-10 判别网络模块构造.mp4 20.60M

| ├──16-11 损失函数：identity loss计算方法.mp4 39.50M

| ├──16-12 生成与判别损失函数指定.mp4 53.89M

| ├──16-13 额外补充：VISDOM可视化配置.mp4 25.88M

| ├──16-2 CycleGan整体网络架构.mp4 21.20M

| ├──16-3 PatchGan判别网络原理.mp4 10.98M

| ├──16-4 数据与环境配置.mp4 25.73M

| ├──16-5 生成与判别器损失函数定义.mp4 40.56M

| ├──16-6 整体损失模块解读.mp4 66.63M

| ├──16-7 Cycle开源项目简介.mp4 30.04M

| ├──16-8 数据读取与预处理操作.mp4 47.99M

| └──16-9 生成网络模块构造.mp4 50.15M

├──17.Resnet实战

| ├──17-1 额外补充-Resnet论文解读.mp4 54.32M

| ├──17-2 额外补充-Resnet网络架构解读.mp4 18.56M

| ├──17-3 项目结构概述.mp4 16.47M

| ├──17-4 数据集处理方法.mp4 25.02M

| ├──17-5 训练数据构建.mp4 28.75M

| ├──17-6 网络架构层次解读.mp4 32.16M

| ├──17-7 前向传播配置.mp4 32.33M

| └──17-8 训练resnet模型.mp4 31.20M

├──18.Tensorflow初识

| ├──18-1 Tensorflow简介与安装.mp4 72.63M

| ├──18-2 Tensorflow中的变量.mp4 29.99M

| ├──18-3 变量常用操作.mp4 58.10M

| ├──18-4 实现线性回归算法.mp4 63.34M

| ├──18-5 Mnist数据集简介.mp4 56.89M

| └──18-6 逻辑回归算法.mp4 62.86M

├──19.Tensorflow神经网络

| ├──19-1 神经网络结构.mp4 68.83M

| ├──19-2 卷积网络结构基本定义.mp4 43.47M

| ├──19-3 卷积神经网络迭代.mp4 46.76M

| └──19-4 Cifar-10图像分类任务.mp4 52.87M

├──20.卷积神经网络实战

| ├──20-1 卷积神经网络实战：猫狗识别.mp4 62.81M

| ├──20-2 数据读取.mp4 56.97M

| ├──20-3 网络架构.mp4 88.35M

| ├──20-4 网络迭代训练.mp4 77.49M

| └──20-5 测试效果.mp4 38.41M

├──21.递归神经网络模型

| ├──21-1 RNN网络基本架构.mp4 30.61M

| ├──21-2 实现RNN网络架构.mp4 43.52M

| ├──21-3 RNN实现自己的小demo.mp4 66.00M

| └──21-4 RNN预测时间序列.mp4 88.26M

├──22.Alexnet网络

| ├──22-1 环境配置.mp4 51.60M

| ├──22-2 数据读取.mp4 55.15M

| ├──22-3 网络结构定义.mp4 49.91M

| └──22-4 加载训练好参数.mp4 54.39M

├──23.Tensorboard可视化模块

| ├──23-1 Tensorboard可视化展示.mp4 55.22M

| ├──23-2 展示效果.mp4 68.59M

| ├──23-3 统计可视化展示.mp4 49.50M

| └──23-4 参数对结果的影响.mp4 79.50M

├──24.tfrecord数据源制作

| ├──24-1 生成自己的数据集.mp4 56.80M

| ├──24-2 读取数据.mp4 57.80M

| ├──24-3 生成数据源.mp4 82.12M

| └──24-4 加载tfrecord进行分类任务.mp4 114.72M

├──25. CNN文本分类

| ├──25-1 CNN文本分类任务概述.mp4 50.32M

| ├──25-2 文本分类任务特征定义.mp4 69.12M

| ├──25-3 卷积网络定义.mp4 24.54M

| └──25-4 完成预测分类任务.mp4 70.52M

├──26.Resnet残差网络

| ├──26-1 Resnet网络原理.mp4 58.30M

| ├──26-2 网络流程设计.mp4 51.54M

| └──26-3 残差网络细节.mp4 77.40M

├──27.Tensorflow项目实战

| ├──27-1 Tensorflow案例实战视频课程19 验证码数据生成.mp4 49.22M

| ├──27-2 Tensorflow案例实战视频课程20 构造网络的输入数据和标签.mp4 50.64M

| ├──27-3 Tensorflow案例实战视频课程21 卷积网络模型定义.mp4 54.25M

| └──27-4 Tensorflow案例实战视频课程22 迭代及测试网络效果.mp4 50.21M

└──资料+代码.7z 5.43G