课程基础
python入门使用
科学计算库numpy
数据分析库pandas
绘图工具库matplotlib
深度学习基础篇
Tensorflow基础篇
- tf1-介绍和安装
- tf2-安装
- tf1-基本概念
- tf1-创建会话，启动会话
- tf1程序转tf2程序工具介绍
- tf1-变量的使用
- tf2-变量的使用
- tf1-fetch和feed的用法
- tf2-fetch和feed的用法
- tf1-线性回归应用
- tf2-线性回归应用
- tf1-非线性回归应用
- tf2-非线性回归应用
- MNIST数据集介绍
- softmax函数介绍
- tf1-MNIST数据集分类简单版本
- tf2-MNIST数据集分类简单版本1
- tf2-MNIST数据集分类简单版本2
- @tf.function用法
- 交叉熵讲解
- tf1-交叉熵程序
- tf2-交叉熵程序
- 过拟合以及抵抗过拟合的方式
- tf1-Dropout的应用
- tf2-Dropout的应用
- tf1-正则化的应用
- tf2-正则化的应用
- 优化器介绍
- tf1-优化器的使用
- tf2-优化器的使用
- tf1-模型保存载入方式1
- tf1-模型保存载入方式2
- tf2-keras模型保存和载入
- tf2-ckpt模型保存和载入
Tensorflow进阶篇
- CNN局部感受野和权值共享
- 卷积具体计算和卷积核介绍
- Pooling和Padding操作
- 卷积网络LeNET-5模型详解
- tf1-卷积网络应用于MNIST数据集分类
- tf2-卷积网络应用于MNIST数据集分类
- ImageNet介绍
- RNN介绍
- LSTM介绍
- GRU，双向RNN，多层RNN介绍
- tf1-LSTM手写数字识别
- tf2-LSTM手写数字识别
- tf1-Tensorflow的GPU版本安装
- tf2-Tensorflow的GPU版本安装
- 图像识别经典模型介绍
- tf1-使用inception-v3完成图像识别
- tf2-使用inception-v3完成图像识别
- tf1-重新训练自己的图像识别模型
- tf2-重新训练自己的图像识别模型
- tf1-新训练好的图像识别模型做预测
- tf2-新训练好的图像识别模型做预测
Tensorflow项目篇
- 项目篇说明
- 猫狗分类项目1-90%准确率
- 猫狗分类项目2-90%准确率
- 猫狗分类项目3-90%准确率
- 数字验证码识别项目1-97%准确率
- 数字验证码识别项目2-97%准确率
- 数字验证码识别项目3-97%准确率
- 数字验证码识别项目4-97%准确率
- 数字验证码识别项目5-97%准确率
- 数字验证码识别项目6-97%准确率
- 数字验证码识别项目7-97%准确率
- 中文情感分类1-93%准确率
- 中文情感分类2-93%准确率
- 中文情感分类3-93%准确率
- 中文情感分类4-93%准确率
- 中文情感分类5-93%准确率
- 基于seq2seq的中文分词器1
- 基于seq2seq的中文分词器2
- 基于seq2seq的中文分词器3
- 生成式对抗网络GAN1
- 生成式对抗网络GAN2
附加keras基础篇
0/1024
暂无留言
