Tensorflow官方視頻課程-深度學習工具 TensorFlow入門

2021-03-02 深度學習與NLP

 

課程首頁

    https://cn.udacity.com/course/intro-to-tensorflow-for-deep-learning--ud187

 

你將學到什麼

    課程 1 什麼是人工智慧和機器學習？

    · 了解人工智慧和機器學習的概念

    · 了解機器學習和深度學習對軟體開發帶來哪些變革性影響

    

    課程 2 初次構建模型：Fashion MNIST 模型

    · 構建一個能夠識別服飾圖像的神經網絡

    

    課程 3 如何提高圖像分類的效率

    · 使用卷積網絡構建更高效的 Fashion MNIST 模型

    

    課程 4 從二元分類器到多元分類器

    · 將圖像分類器擴展為能夠預測多個類別的模型

    · 使用卷積網絡構建一個分類器來識別更具細節性的彩色圖像

    

    課程 5 遷移學習

    · 使用預先訓練過的網絡構建強大而先進的分類器

    

    課程 6 保存並加載模型

    · 了解 TensorFlow 2.0 中的 SAVEDMODEL 新格式，並在 TensorFlow-Lite 和 TensorFlow-Serving 中使用該格式

    

    課程 7 在設備上通過 TensorFlow Lite 進行機器學習

    · 了解如何使用 TensorFlow Lite 在 Android、iOS 和 iOT 設備上構建機器學習應用

    

    課程 8 通過 TensorFlow-Serving 在雲端進行機器學習

    · 使用 TensorFlow-Serving 將機器學習模型部署到雲端

    

    課程 9 通過 TensorFlow.js 在瀏覽器中進行機器學習

    · 使用 TensorFlow.js 在瀏覽器中訓練模型並做出預測

    

    課程 10 基於機器學習的 Google 產品和服務

    · 學習 MLKit 並將你的模型放置在這些基礎設施上（MLKit 是Google Cloud Platform 上的機器學習服務）

    

    課程 11 機器學習的工作流程

    · 學習機器學習的工作流程以及如何成功

    · 學習如何獲取數據、解決問題、定義模型成功，並構建和評估模型

    

    課程 12 管理數據

    · 了解 TensorFlow 中的數據結構，包括張量以及如何操控張量

    · 了解如何將 CSV 和 BigQuery 等數據放入 TensorFlow 中

    

    課程 13 在 Keras 中探索神經網絡

    · 深入了解 TensorFlow 的內部結構，並學習張量運算和梯度優化及圖表

    · 利用 Keras layers API 構建複雜的神經網絡

    

    課程 14 深入學習神經網絡

    · 通過遞歸神經網絡從序列數據中學習規律

    · 通過生成式對抗網絡實現非監督式學習

相關焦點

  • 基於TensorFlow的深度學習實戰
    毫不誇張得說，TensorFlow的流行讓深度學習門檻變得越來越低，只要你有Python和機器學習基礎，入門和使用神經網絡模型變得非常簡單。TensorFlow簡介如前所述，TensorFlow是一個深度學習庫，使用這一框架，可以用來構建和測試深度神經網絡。深度學習讓我們能夠以極高的準確性構建複雜的應用程式。
  • 谷歌雲官方:一小時掌握深度學習和 TensorFlow(視頻+50PPT)
    材料有兩部分，是面向工程師的實用型講解，分別為只有 3 小時的忙人和只有 1 小時的超級忙人準備。新智元節選後者，讓你在 2017 春節來臨前，拿出 1 小時學會 TensorFlow 和深度學習。另外，視頻也方便已經是熟手的你複習，說不定還能從中得到新的啟示。
  • TensorFlow極速入門
    作者孟曉龍，2016年加入Qunar，目前在去哪兒網機票事業部擔任算法工程師。熱衷於深度學習技術的探索，對新事物有著強烈的好奇心。一、前言目前，深度學習已經廣泛應用於各個領域，比如圖像識別，圖形定位與檢測，語音識別，機器翻譯等等，對於這個神奇的領域，很多童鞋想要一探究竟，這裡拋磚引玉的簡單介紹下最火的深度學習開源框架 tensorflow。
  • tensorflow極速入門
    一、前言目前，深度學習已經廣泛應用於各個領域，比如圖像識別，圖形定位與檢測，語音識別，機器翻譯等等，對於這個神奇的領域，很多童鞋想要一探究竟，這裡拋磚引玉的簡單介紹下最火的深度學習開源框架 tensorflow。本教程不是 cookbook，所以不會將所有的東西都事無巨細的講到，所有的示例都將使用 python。那麼本篇教程會講到什麼？
  • 深度學習筆記7:Tensorflow入門
    而後我們又討論了改善深度神經網絡的基本方法，包括神經網絡的正則化、參數優化和調參等問題。這一切工作我們都是基於numpy完成的，沒有調用任何深度學習框架。在學習深度學習的時候，一開始不讓大家直接上手框架可謂良苦用心，旨在讓大家能夠跟筆者一樣，一步一步通過 numpy 搭建神經網絡的過程就是要讓你能夠更加深入的理解神經網絡的架構、基本原理和工作機制，而不是黑箱以視之。
  • TensorFlow 中文資源全集,學習路徑推薦
    入門教程，簡單的模型學習和運行。實戰項目，根據自己的需求進行開發。-16-04/極客學院教程:http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html官方安裝教程（建議用官方教程，現在官網可以直接訪問了。）
  • Tensorflow 全網最全學習資料匯總之Tensorflow 的入門與安裝【2】
    《TensorFlow學習筆記1：入門》連結：http://www.jeyzhang.com/tensorflow-learning-notes.html本文與上一篇的行文思路基本一致，首先概括了TensorFlow的特性，然後介紹了graph、session、variable 等基本概念的含義，以具體代碼的形式針對每個概念給出了進一步的解釋
  • tensorflow安裝教程
    tensorflow是谷歌開源的人工智慧庫，有最完善的生態支持。是進行人工智慧領域開發和科研的必備工具。本文在windows10下，藉助anacondaAnaconda安裝和使用，AkShare入門，安裝tensorflow2.0。
  • 從Fashion-Mnist開始,入門Tensorflow與深度學習
    從今天開始，我們進行機器學習領域的最後一塊拼圖——深度學習的學習之旅，以及Tensorflow這個工具的使用。而基於多層級神經網絡的深度學習算法也正是如此。所以，從這個方面來說，深度學習的發展和興起很大程度上是源於人類對自身發展出的智能進行逆向開發的過程。既然人類擁有的我們所謂的智能，很自然的我們就會探索我們這種智能是如何產生的。如果這個過程可以量化並實體化成一套程序放入機器中運行，那麼很自然的，這樣的機器也會理論上和我們人類擁有同樣的智能。
  • 可能是史上最全的Tensorflow學習資源匯總
    本篇文章將為大家總結Tensorflow純乾貨學習資源，非常適合新手學習，建議大家收藏。想要學習更多的Tensorflow知識，歡迎點擊上方藍字，關注我們的微信公眾號。 ，一步步帶你從入門到精通，是初學者學習Tensorflow的最佳教程。
  • TensorFlow 1.9 新增 tf.keras 官方入門教程(Keras與TF的深度集成)
    【導讀】Keras是深度學習框架中最適合工程化的框架之一，具有簡單友好的接口。
  • MIT 深度學習基礎教程:七個基本框架TensorFlow代碼實戰
    【導讀】麻省理工學院發布一系列深度學習視頻課和代碼實戰，今天給大家介紹的是研究科學家Lex Fridman整理的常用的深度學習七個基本框架實戰，
  • 帶你入門機器學習與TensorFlow2.x
    在安裝完 Anaconda 軟體後，直接使用以下命令:conda install tensorflow-gpu系統會自動把 TensorFlow 的 GPU 版本及對應的 NVIDIA 驅動安裝到本機，不再需要按照 3.3節的描述進行手動安裝。用 conda 命令安裝雖然方便，但這不屬於 TensorFlow 官方支持的安裝方式。用這種方式只能安裝比最新發布的版本滯後一些。
  • TensorFlow開發者證書 中文手冊
    考試流程TensorFlow Certificate 官方網站：https://tensorflow.google.cn/certificate?hl=vi閱讀考生手冊提前閱讀最新的考生手冊，官方文檔 TF_Certificate_Candidate_Handbook 的下載地址如下：https://tensorflow.google.cn/site-assets/downloads/marketing/cert/
  • 從零開始搭建深度學習伺服器:TensorFlow + PyTorch + Torch
    本教程轉載於深度學習中文社區(studydl.com).在深度學習大行其道的今天,我們不應該停留於觀望的階段,我們應該多多上手進行實踐,下面將為大家介紹一下最簡單也是最基礎的內容,配置一個自己的深度學習伺服器.1.
  • TensorFlow 2.0正式版官宣!深度集成Keras
    如果你使用過TensorFlow 1.x，這裡有一個遷移到2.0的官方指南： https://www.tensorflow.org/guide/migrate TensorFlow 2.0也包括一個自動轉換腳本。
  • TensorFlow圖像分類教程
    兩年前，Google大腦團隊開發了TensorFlow，並將深度學習巧妙的應用於各個領域。現在，TensorFlow則超越了很多用於深度學習的複雜工具。利用TensorFlow，你可以獲得具有強大能力的複雜功能，其強大的基石來自於TensorFlow的易用性。在這個由兩部分組成的系列中，我將講述如何快速的創建一個應用於圖像識別的卷積神經網絡。
  • 深度學習筆記8:利用Tensorflow搭建神經網絡
    作者：魯偉 一個數據科學踐行者的學習日記。
  • 官方文檔太辣雞?TensorFlow 2.0開源工具書,30天「無痛」上手
    雖說是「僅用 30 天即可掌握 TensorFlow 2.0」，但學習這個教程也需要一定的知識儲備作為前提。本書要求讀者具備一定的機器學習和深度學習理論基礎，同時使用過 Keras、Tensorflow1.0 或者 PyTorch 搭建訓練過模型。如果沒有任何基礎怎麼辦？
  • TensorFlow發布JavaScript開發者的機器學習框架TensorFlow.js
    當時時間 3 月 30 日，谷歌 TenosrFlow 開發者峰會 2018 在美國加州石景山開幕，來自全球的機器學習用戶圍繞 TensorFlow 展開技術演講與演示。去年的 TensorFlow 開發者大會上，該框架正式升級到了 1.0 版本，逐漸成為最流行的深度學習框架。