日月光华Tensorflow2.0深度学习入门与实战

ddp

课程目录:
{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

{2}--深度学习基础和tf.keras   
[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
[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

{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-电影评论数据分类（一）.mp4  68.43M
[6.2]--tf.keras序列问题-电影评论数据分类（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   
[7.1]--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
[7.10]--tf.keras.metrics汇总计算应用实例（二）.mp4  21.32M

{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   
[9.1]--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
[9.10]--模型的进一步优化与VGG网络.mp4  33.32M

{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   
[15.1]--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
[15.10]--FCN模型搭建（二）.mp4  18.87M
[15.11]--FCN模型训练和预测.mp4  35.46M

{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-航空评论数据预处理（一）.mp4  42.99M
[16.3]--tf.keras循环神经网络-航空评论数据预处理（二）.mp4  30.64M
[16.4]--tf.keras循环神经网络-航空评论数据分类模型.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

{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

{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评论数据集-数据预处理.mp4  75.38M
[30.4]--美国航空公司Twitter评论数据集-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

日月光华-tensorflow资料   
datasets   
model weights   
tensorflow2.0代码   
日月光华tensorflow课程PPT   
数据集   


下载地址:

游客，如果您要查看本帖隐藏内容请回复

taurusleexia

正需要，支持楼主大人了！

itgggg

确实是难得好帖啊，顶先

smartfind

啥也不说了，感谢楼主分享哇！

neun

啥也不说了，感谢楼主分享哇！

mytest123

正需要，支持楼主大人了！

dudu

啥也不说了，感谢楼主分享哇！

dragon_fly

确实是难得好帖啊，顶先

shundai

啥也不说了，感谢楼主分享哇！