Tensorflow & 神经网络算法高级应用班视频教程

本课程以软件开发工程师的视角来讲解深度学习。基于 Google 的 TensorFlow 框架，带大家学习如何利用深度学习技术，实现图片识别、文本分析等模型。

课程不仅包括经典深度神经网络结构，如卷积神经网络（CNN），递归神经网络（RNN/LSTM），还会涉及近几年研究的热点，如Convolutional GRU，Seq2Seq with Attention，生成式对抗网络（GAN），以及强化学习相关的内容。

在课程的进行过程中，会有如图像风格融合、聊天机器人等实战项目，避免枯燥的理论讲解，减少数学公式，更多秀出代码，让传统软件开发工程师做好准备，应对人工智能时代的到来。

本文目录

- 0.0.1 课程大纲

1 计算图和 TensorFlow 基础
2 反向传播和优化器
3 word2vec 和实验管理
4 卷积神经网络（CNN）
- 4.1 理解卷积神经网络和相关概念
- 4.2 学习如何在 TensorFlow 中创建、训练 CNN 模型
5 自编码和 Deep Dream
- 5.1 理解自编码
- 5.2 学习如何在 TensorFlow 中创建 Deep Dream 应用
6 RNN 介绍和输入流水线
- 6.1 理解递归神经网络 RNN
- 6.2 学习如何管理大量数据，作为 TensorFlow 的输入
7 LSTM，GRU 和卷积 GRU
- 7.1 理解 RNN 的变种，包括 LSTM 和 GRU
- 7.2 将卷积神经网络和 GRU 结合来学习算法
8 注意力和聊天机器人
- 8.1 理解 seq2seq 和注意力模型（attention model）
- 8.2 在TensorFlow 中用注意力模型和 seq2seq 创建聊天机器人
9 对抗生成网路
- 9.1 理解对抗生成网络（GAN）
- 9.2 学习如何在 TensorFlow 中创建 GAN
10 强化学习
- 10.1 理解强化学习
- 10.2 学习如何在 TensorFlow 中创建强化学习模型

课程大纲

第一堂课

第二堂课

第三堂课

第四堂课

第五堂课

第六堂课

第七堂课

第八堂课

第九堂课

第十堂课

资
源
下
载

文件名称：Tensorflow & 神经网络算法高级应用班

下载地址：百度网盘

资源来源：网络收集

提示：网盘资源均收集于网络，只作学习和交流使用，版权归原作者所有，请在下载后24小时之内删除！若作商业用途，请到原网站购买，由于未及时购买和付费发生的侵权行为，与本站无关。

点击下载

Tensorflow & 神经网络算法高级应用班视频教程

课程大纲

计算图和 TensorFlow 基础

理解 TensorFlow 编程

学习如何在 TensorFlow 中创建计算图

TensorFlow 的关键概念，比如 session, constant, variable, placeholder 和 operations

反向传播和优化器

理解loss函数和使用反向传播算法的训练过程

理解 TensorFlow 如何更新梯度

学习如何使用 TensorFlow 自带的优化器

word2vec 和实验管理

理解词向量和 word embedding

学习如何在 TensorFlow 中训练 word2vec 模型

学习如何管理 TensorFlow 中的实验

卷积神经网络（CNN）

理解卷积神经网络和相关概念

学习如何在 TensorFlow 中创建、训练 CNN 模型

自编码和 Deep Dream

理解自编码

学习如何在 TensorFlow 中创建 Deep Dream 应用

RNN 介绍和输入流水线

理解递归神经网络 RNN

学习如何管理大量数据，作为 TensorFlow 的输入

LSTM，GRU 和卷积 GRU

理解 RNN 的变种，包括 LSTM 和 GRU

将卷积神经网络和 GRU 结合来学习算法

注意力和聊天机器人

理解 seq2seq 和注意力模型（attention model）

在TensorFlow 中用注意力模型和 seq2seq 创建聊天机器人

对抗生成网路

理解对抗生成网络（GAN）

学习如何在 TensorFlow 中创建 GAN

强化学习

理解强化学习

学习如何在 TensorFlow 中创建强化学习模型

评论0

请先登录！

课程大纲

计算图和 TensorFlow 基础

理解 TensorFlow 编程

学习如何在 TensorFlow 中创建计算图

TensorFlow 的关键概念，比如 session, constant, variable, placeholder 和 operations

反向传播和优化器

理解loss函数和使用反向传播算法的训练过程

理解 TensorFlow 如何更新梯度

学习如何使用 TensorFlow 自带的优化器

word2vec 和实验管理

理解词向量 和 word embedding

学习如何在 TensorFlow 中训练 word2vec 模型

学习如何管理 TensorFlow 中的实验

卷积神经网络（CNN）

理解卷积神经网络和相关概念

学习如何在 TensorFlow 中创建、训练 CNN 模型

自编码和 Deep Dream

理解自编码

学习如何在 TensorFlow 中创建 Deep Dream 应用

RNN 介绍和输入流水线

理解递归神经网络 RNN

学习如何管理大量数据，作为 TensorFlow 的输入

LSTM，GRU 和卷积 GRU

理解 RNN 的变种，包括 LSTM 和 GRU

将卷积神经网络和 GRU 结合来学习算法

注意力和聊天机器人

理解 seq2seq 和注意力模型（attention model）

在TensorFlow 中用注意力模型和 seq2seq 创建聊天机器人

对抗生成网路

理解对抗生成网络（GAN）

学习如何在 TensorFlow 中创建 GAN

强化学习

理解强化学习

学习如何在 TensorFlow 中创建强化学习模型

猜你喜欢

评论0

请先 登录 ！

理解词向量和 word embedding

请先登录！