TensorFlow2.0深度解析从原理到应用2019[全]

发布:2026-11-18 栏目:编程开发 浏览下载:/

加入收藏 错误报告

  第1节: 机器学习框架介绍.mp4

  第2节: Tensorflow介绍.mp4

  第3节: Tensorflow2新版特性.mp4

  第4节: Tensorflow2架构方式.mp4

  第5节: Tensorflow与其他框架对比.mp4

  第6节: Tensorflow环境配置.mp4

  第7节: 基于谷歌云平台搭建无GPU环境.mp4

  第8节: 基于谷歌云平台配置远程笔记工具.mp4

  第9节: 基于谷歌云平台搭建GPU版环境.mp4

  第10节: 基于谷歌云平台镜像搭建环境.mp4

  第11节: AWS云平台环境配置.mp4

  第12节: tfkeras介绍.mp4

  第13节: 分类回归与目标函数.mp4

  第14节: 分类模型数据读取与展示.mp4

  第15节: 分类模型模型构建.mp4

  第16节: 分类模型数据归一化.mp4

  第17节: 回调函数.mp4

  第18节: 神经网络讲解.mp4

  第19节: 深度神经网络案例.mp4

  第20节: 批归一化、激活函数、dropout案例.mp4

  第21节: wide_deep模型.mp4

  第22节: 函数API实现wide&deep模型.mp4

  第23节: 子类API实现wide&deep模型.mp4

  第24节: wide&deep模型的多输入与多输出案例.mp4

  第25节: 超参数搜索.mp4

  第26节: 手动实现超参数搜索案例.mp4

  第27节: 用sklearn封装keras模型.mp4

  第28节: 用sklearn超参数搜索.mp4

  第29节: 基础API介绍.mp4

  第30节: tf.constant.mp4

  第31节: tf.strings与ragged_tensor.mp4

  第32节: sparse_tensor与tf.Variable.mp4

  第33节: 自定义损失函数与DenseLayer回顾.mp4

  第34节: 使子类与lambda分别自定义层次.mp4

  第35节: tf.function函数转换.mp4

  第36节: @tf.function函数转换.mp4

  第37节: 函数签名与图结构.mp4

  第38节: 近似求导.mp4

  第39节: tf.GradientTape基本使用方法.mp4

  第40节: tf.GradientTape与tf.keras结合使用.mp4

  第41节: 其它常用API介绍.mp4

  第42节: 调用data_API.mp4

  第43节: 调用tf_data.mp4

  第44节: 生成csv文件.mp4

  第45节: 调用tf.io.decode_csv工具.mp4

  第46节: tf.data与tf.keras读取csv文件.mp4

  第47节: tfrecord API导入.mp4

  第48节: 生成tfrecords文件.mp4

  第49节: tf.data+tf.keras读取文件.mp4

  第50节: datasetAPI注意事项.mp4

  第51节: Estimator介绍.mp4

  第52节: 泰坦尼克问题分析.mp4

  第53节: feature_column使用.mp4

  第54节: keras_to_estimator.mp4

  第55节: 预定义estimator使用.mp4

  第56节: 交叉特征.mp4

  第57节: TF1.0引入.mp4

  第58节: TF1.0计算图构建.mp4

  第59节: TF1.0模型训练.mp4

  第60节: TF1_dataset使用.mp4

  第61节: TF1_自定义estimator.mp4

  第62节: API改动升级与课程总结.mp4

  第63节: 卷积神经网络引入与总体结构.mp4

  第64节: 卷积解决的问题.mp4

  第65节: 卷积的计算.mp4

  第66节: 池化操作.mp4

  第67节: 卷积神经网络.mp4

  第68节: 深度可分离卷积网络.mp4

  第69节: 深度可分离卷积网络.mp4

  第70节: Kaggle平台与10monkeys数据集介绍.mp4

  第71节: Keras_generator读取数据.mp4

  第72节: 10monkeys基础模型搭建与训练.mp4

  第73节: 10monkeys模型微调.mp4

  第74节: keras_generator读取cifar10数据集.mp4

  第75节: 模型训练与预测.mp4

  第76节: 章节总结.mp4

  第77节: 循环神经网络引入与embedding.mp4

  第78节: 数据集载入与构建词表索引.mp4

  第79节: 数据padding、模型构建与训练.mp4

  第80节: 序列式问题与循环神经网络.mp4

  第81节: 循环神经网络文本分类.mp4

  第82节: 文本生成之数据处理.mp4

  第83节: 文本生成之构建模型.mp4

  第84节: 文本生成之采样生成文本.mp4

  第85节: LSTM长短期记忆网络.mp4

  第86节: LSTM文本分类与文本生成.mp4

  第87节: subword文本分类之数据集载入与tokenizer.ts

  第88节: subword文本分类之dataset变换与模型训练.ts

  第89节: 章节总结.ts

  第90节: 课程引入与GPU设置.mp4

  第91节: GPU默认设置.mp4

  第92节: 内存增长和虚拟设备.mp4

  第93节: GPU手动设置.mp4

  第94节: 分布式策略.mp4

  第95节: keras分布式.mp4

  第96节: estimator分布式.mp4

  第97节: 自定义流程.mp4

  第98节: 分布式自定义流程.mp4

  第99节: 课程引入与TFLite_x264.ts

  第100节: 保存模型结构加参数与保存参数.ts

  第101节: Keras模型转化为SavedModel.ts

  第102节: 签名函数转化为SavedModel.ts

  第103节: 签名函数,SavedModel和Keras模型到具体函数转换.ts

  第104节: tflite保存与解释与量化.ts

  第105节: 本章总结.mp4

  第106节: tensorflowjs搭建服务?载入模型.mp4

  第107节: Android部署模型与总结.mp4

  第108节: 课程引入与seq2seq+attention模型讲解.ts

  第109节: 数据预处理理与读取.ts

  第110节: 数据id化与dataset生成.ts

  第111节: Encoder构建.ts

  第112节: attention构建.ts

  第113节: Decoder构建.ts

  第114节: 损失函数与单步训练函数.ts

  第115节: 模型训练.ts

  第116节: 模型预测实现.ts

  第117节: 样例例分析与总结.ts

  第118节: Transformer模型总体架构.ts

  第119节: Encoder-Decoder架构与缩放点击注意力.ts

  第120节: 多头注意力与位置编码.ts

  第121节: Add、Normalize、Decoding过程与总结.ts

  第122节: 数据预处理与dataset生成.ts

  第123节: 位置编码.ts

  第124节: mask构建.ts

  第125节: 缩放点积注意力机制实现(1).ts

  第126节: 缩放点积注意力机制实现(2).ts

  第127节: 多头注意力机制实现.ts

  第128节: feedforward层次实现.ts

  第129节: EncoderLayer.ts

  第130节: DecoderLayer.ts

  第131节: EncoderModel.ts

  第132节: DecoderModel.ts

  第133节: Transformer.ts

  第134节: 自定义学习率.ts

  第135节: Mask创建与使用.ts

  第136节: 模型训练.ts

  第137节: 模型预测实现.ts

  第138节: attention可视化.ts

  第139节: 案例展示.mp4

  第140节: 如何学习更多模型[完].mp4

  资料包.rar

返回顶部

拨打电话
在线咨询
扫码添加客服微信咨询问题

24H服务电话: 15610047637