专题 > 人工智能 > 深度学习 > 深度学习实践专题-核心理论+Tensorflow+Caffe

深度学习实践专题-核心理论+Tensorflow+Caffe

本套餐包含深度学习的理论基础,包括深度置信网络DBN,卷积神经网络CNN,深度残差网络RES以及长短时记忆网络LSTM的讲解,以及python的入门知识,numpy,pandas,matplotlib的使用。然后通过如今最热门的深度学习框架Tensorflow和Caffe来进行深度学习实践。学完本套餐后既可以掌握如今最核心的几种深度学习网络,又能基本掌握深度学习的实践技能。

8

门课程

710

人学习

 

课程总时长:33小时

授课讲师:覃秉丰

打包优惠
 
大牛讲解
 
一键下载
 
讲师24h答疑
专题价 ¥499
立省245元
总价 ¥744
  • Tensorflow基本应用之基础入门系列视频课程

    24节 7小时10分钟
    课程目标:
    本课程上半部分会从Tensorflow最基础的框架开始介绍,从Tensorflow的安装开始,一步一步仔细讲解Tensorflow中的各种技术细节。让大家快速上手编写神经网络。同时也会补充一些深度学习相关的理论知识,如交叉熵,Softmax函数,深度学习中各种优化器的算法和应用等内容。下半部分会从头开始详细讲解几个深度学习的项目,如图像识别,验证码识别,word2vec,文本分类,语音分类等。
    • 课时1:Tensorflow简介
    • 课时2:Tensorflow的安装
    • 课时3:Anaconda的安装
    • 课时4:创建图-启动图
    • 课时5:变量
    • 课时6:fetch and feed
    • 课时7:Tensorflow简单案例
    • 课时8:非线性回归
    • 课时9:MNIST数据集和Softmax讲解
    • 课时10:MNIST数据集分类简单版本
    • 课时11:交叉熵(cross-entropy)
    • 课时12:过拟合以及Dropout介绍
    • 课时13:优化器Optimizer
    • 课时14:优化器的使用
    • 课时15:第4周作业网络优化
    • 课时16:Tensorboard网络结构
    • 课时17:Tensorboard网络运行
    • 课时18:Tensorboard可视化
    • 课时19:卷积神经网络CNN介绍
    • 课时20:CNN应用于MNIST数据集分类
    • 课时21:第6周作业调试CNN结构和运行结果
    • 课时22:递归神经网络RNN
    • 课时23:长短时记忆网络LSTM
    • 课时24:LSTM网络程序
    查看更多
  • Tensorflow高级应用之进阶项目系列视频课程

    18节 6小时39分钟
    课程目标:
    本课程上半部分会从Tensorflow最基础的框架开始介绍,从Tensorflow的安装开始,一步一步仔细讲解Tensorflow中的各种技术细节。让大家快速上手编写神经网络。同时也会补充一些深度学习相关的理论知识,如交叉熵,Softmax函数,深度学习中各种优化器的算法和应用等内容。下半部分会从头开始详细讲解几个深度学习的项目,如图像识别,验证码识别,word2vec,文本分类,语音分类等。
    • 课时1:第7周作业
    • 课时2:参数保存
    • 课时3:模型保存
    • 课时4:下载Google图像识别网络inception-v3
    • 课时5:使用inception-v3做各种图像的识别
    • 课时6:GPU版本的Tensorflow安装
    • 课时7:Retrain图像识别模型
    • 课时8:TFRecord使用以及从头开始训练图...
    • 课时9:生成验证码
    • 课时10:多任务学习
    • 课时11:使用多任务学习完成验证码识别
    • 课时12:检验验证码识别效果
    • 课时13:第10周作业
    • 课时14:word2vec的介绍和实现
    • 课时15:使用CNN完成文本分类
    • 课时16:第11周作业讲解
    • 课时17:语音信号处理
    • 课时18:使用LSTM完成语音分类
    查看更多
  • 5天搞定深度学习框架-Caffe入门系列

    15节 6小时7分钟
    课程目标:
            本课程是在windows环境下的caffe课程,会从windows环境下的安装编译开始讲起,详细介绍如何使用caffe来训练以及使用深度学习模型,主要使用的是python的接口。        课程的安排很清晰,首先带着大家安装CPU版本的caffe,然后快速带着大家完成一个MNIST手写数字识别的项目,让大家了解caffe训练模型的大致流程。然后会详细讲到到caffe中的一些重要文件和配置。之后会使用python接口来绘制网络结构图,特征平面图,loss曲线图和accuracy曲线图。        最后的部分会教大家使用GoogleNet实现图像识别。并详细讲解训练自己的图像识别模型的完整流程。从准备数据,制作标签,图片数据转换,修改网络模型文件,修改超参数文件讲起,一直到把模型训练好,然后通过python接口调用训练好的模型进行图像识别。以及使用迁移学习-Finetune的技术来训练我们的模型,还有snapshot的技术来恢复模型的训练。
    • 课时1:Caffe介绍
    • 课时2:Caffe在windows下的安装编译
    • 课时3:Caffe快速上手-mnist数据集分类(一)
    • 课时4:Caffe快速上手-mnist数据集分类(二)
    • 课时5:Caffe文件详解
    • 课时6:各种优化器的介绍
    • 课时7:Caffe的python接口安装,以及模型可视化
    • 课时8:Caffe特征图可视化以及学习曲线可视化
    • 课时9:GoogleNet结构讲解,准备用Google...
    • 课时10:使用python接口调用GoogleNet实现图像识别
    • 课时11:Caffe在windows下GPU版本的安装
    • 课时12:使用自己设计的网络训练自己的图...
    • 课时13:使用自己设计的网络训练自己的图...
    • 课时14:迁移学习-Finetune
    • 课时15:Snapshot以及课程总结
    查看更多
  • 1天搞定Python进阶课程-Matplotlib绘图

    12节 1小时26分钟
    课程目标:
    matplotlib是python中非常常用的绘图工具包,可用于查看显示数据分析的结果,查看程序运行流程等等。本课程会讲解到matplotlib中最常用的一些知识点,包括绘制基本图形,散点图,直方图,等高线图,3D图,动态图等等。同时还是涉及到legend图例,标注,多figure,subplot,设置坐标轴等一些内容。
    • 课时1:matplotlib基础用法
    • 课时2:matplotlib figure图像
    • 课时3:matplotlib设置坐标轴1
    • 课时4:matplotlib设置坐标轴2
    • 课时5:matplotlib legend图例
    • 课时6:matplotlib 标注
    • 课时7:matplotlib scatter散点图
    • 课时8:matplotlib bar直方图
    • 课时9:matplotlib contours等高线图
    • 课时10:matplotlib 3D图
    • 课时11:matplotlib subplot
    • 课时12:matplotlib动态图
    查看更多
  • 1天搞定Python进阶课程-数据分析库Pandas

    8节 1小时50分钟
    课程目标:
    pandas是python中非常常用的数据分析库,在数据分析,机器学习,深度学习等领域经常被使用。本课程会讲解到pandas中最核心的一些知识点,包括Series以及DataFrame的构建,赋值,操作,选择数据,合并等等,以及使用pandas对文件进行读取和写入,使用pandas绘图等等。
    • 课时1:pandas基础,Series,DataFrame
    • 课时2:pandas选择数据
    • 课时3:pandas赋值及操作
    • 课时4:pandas处理丢失数据
    • 课时5:pandas读取及写入文件
    • 课时6:pandas合并concat
    • 课时7:pandas合并merge
    • 课时8:pandas plot
    查看更多
  • 1天搞定Python进阶课程-科学计算库Numpy

    8节 1小时29分钟
    课程目标:
    numpy是python最基本最常用的科学计算库,在数据分析,机器学习,深度学习等领域经常被使用,可以说是学习python必学的一个库。本课程会讲解到numpy中最核心的一些知识点,包括numpy的属性,创建array,numpy的运算,矩阵运算,随机数生成,numpy的索引,array的合并与分割,numpy的浅拷贝深拷贝等内容。帮助大家快速掌握numpy的使用。
    • 课时1:numpy的属性
    • 课时2:创建array
    • 课时3:numpy的运算1
    • 课时4:随机数生成以及矩阵的运算2
    • 课时5:numpy的索引
    • 课时6:array合并
    • 课时7:array分割
    • 课时8:numpy的浅拷贝和深拷贝
    查看更多
  • 3天搞定机器学习深度学习基础-Python入门视频课程

    21节 3小时4分钟
    课程目标:
    本课程的内容经过精心设计和挑选,只给大家讲解最精华最有用的python入门知识点。课程内容会包括,python的编译环境Anaconda的安装使用,print用法,input用法,运算符和变量,while循环和for循环,列表,元组,if条件,字典,函数,模块,类,文件读写,异常处理,数据存储等等。
    • 课时1:课程说明
    • 课时2:python简介
    • 课时3:python编译环境Anaconda安装和使用
    • 课时4:print用法
    • 课时5:运算符和变量
    • 课时6:while循环和for循环
    • 课时7:列表基础
    • 课时8:列表操作,多维列表
    • 课时9:元组
    • 课时10:if条件1
    • 课时11:if条件2
    • 课时12:字典
    • 课时13:函数
    • 课时14:模块
    • 课时15:类基础
    • 课时16:类的继承
    • 课时17:input用法
    • 课时18:文件读写
    • 课时19:异常处理
    • 课时20:json数据存储
    • 课时21:猜数字小游戏
    查看更多
  • 5天搞定深度学习进阶系列

    16节 5小时10分钟
    课程目标:
    这门课程是“深度学习入门系列”的后续内容。在入门系列的课程中,我们基本掌握了深度学习的一些基础知识,在这门课程中我们将进一步学习深度学习的核心内容。核心内容包括深度置信网络DBN,卷积神经网络CNN,深度残差网络RES和长短时记忆网络LSTM的构建以及使用。最后一部分我们也会稍微讲解一些人工智能最前沿的发展强化学习RL,迁移学习TL和生成式对抗网络GAN。       
    • 课时1:课程介绍,推荐系统算法介绍
    • 课时2:受限玻尔兹曼机在推荐系统中的应...
    • 课时3:深度置信网络DBN-DNN(论文讲解)
    • 课时4:卷积神经网络CNN
    • 课时5:手写体识别网络LeNET-5结构分析(...
    • 课时6:ImageNet介绍
    • 课时7:ILSVRC12图像识别比赛冠军AlexNet...
    • 课时8:GPU及TPU介绍
    • 课时9:深度残差网络RES(论文讲解)
    • 课时10:批量正则化Batch Normalization
    • 课时11:深度残差网络进一步研究(论文讲解)
    • 课时12:递归神经网络RNN
    • 课时13:长短时记忆网络LSTM
    • 课时14:强化学习RL
    • 课时15:迁移学习TL
    • 课时16:生成式对抗网络GAN
    查看更多

深度学习实践专题-核心理论+Tensorflow+Caffe

¥744 ¥499

可以开发票么?

可以的,购买课程或者充值余额后都是可以开具发票的,具体详情点击:我要开发票

购买的课程可以下载么?

目前PC端暂不支持下载课程视频,请手机或者平板电脑下载“51CTO学院”APP后再下载视频哦!

优惠券如何使用?

非折扣课程(不包含1元课程/套餐)可使用,一个订单(可包含多个课程)只可使用一张;优惠券一经使用,不再返还;若被冻结请在PC端删除订单即可返还。

更多问题查询点击 帮助中心

欢迎您提供宝贵意见,对于您的意见我们都会认真、慎重的讨论,每一个意见都是我们更好为您服务的鞭策和激励,感谢您帮助学院成长,我要反馈意见