Tensorflow学习及案例分析视频课程(让自己的样本run起来)

初阶

从软件安装开始,结合案例学习Tensorflow的基本应用,包括:1、通过理论和编程理解单通道和多通道的卷积操作;2、基于自己的原图自作tfrecords数据集,及结合opencv制作增广的白化处理数据集;3、两个案例分析,其中涉及模型构建分析...

5分 更新: 2017/10/18

收藏( 66 下载课程 二维码 下载学院APP 缓存视频离线看 学习社群 二维码 关注公众号 加入官方群

51511 学习人数 5小时46分钟 19课时
课程权益 15分钟内无条件退款 1、仅限付费视频课程适用
2、购买后15分钟内可以找到客服进行沟通退款
3、下载资料后不再享有退款特权
4、客服(Tel:400-101-1651)

下载资料后不支持
24小时内答疑 随时随地观看课程 专属资料下载
  • 课程介绍
  • 课程大纲
  • 学员评价
  • 其他课程 2
  • 专题套餐

适合人群:

想从事深度学习相关工作的人,想将深度学习技术引入自己的项目。

课程目标:

从软件安装开始,结合案例学习Tensorflow的基本应用,包括:1、通过理论和编程理解单通道和多通道的卷积操作;2、基于自己的原图自作tfrecords数据集,及结合opencv制作增广的白化处理数据集;3、两个案例分析,其中涉及模型构建分析、训练、模型保存、模型加载进行预测。

课程简介:

本课程主要以深度学习技术应用于项目目的出发,前两部分从深度学习相关开发工具Anacond、Tensorflow、Python-OpenCV2的安装开始,一步一步仔细讲解、分析、编程实现:卷积神经网络CNN中的各种技术细节,让大家更好的理解卷积层、池化层、激活层等运算实现方式,快速上手构建、编写自己的卷积神经网络。
后两部分详细讲解2个项目:Gesture、Cifar-10,从零开始,涉及通过样本的原图构建自己的训练数据集、构建自己的CNN模型、分析模型、训练模型、保存模型,加载模型进行预测,一些列完整的例程操作实现。期间还涉及图像的样本制作方法,如样本的白化处理和增广技术。


具体:

1、深度学习简介

2、CNN的相关运算

   从理论到程序:单通道数据和多通道数据的卷积(convolution)、池化(pooling)、激活层(relu)等原理分析及程序实现。

3、Gesture案列分析,包括

   1) Gesture tfrecords原图数据集(数据类型uint8)制作;

   2)tfrecords数据集解码,构建训练的Batch;

   3)CNN 模型分析及构建、模型训练、模型保存的实现;

   3)模型加载预测样本。

4、Cifar-10案例分,包括

   1)三通道原图数据白化处理;

   2) 基于白化处理后的浮点数据制作tfrecords数据集;

   2)浮点型tfrecords的数据集解码

   3)模型分析构建、训练保存;

   3)已有模型再训练;

   4)模型加载预测。

展开更多

课程大纲-Tensorflow学习及案例分析视频课程(让自己的样本run起来)

资料下载
  • 第1章 深度学习课程简介

    45分钟4节

  • 1-1

    深度学习课程内容 对于初学者,想要在项目中采用深度学习-卷积神经网络(CNN)技术,考虑的问题,及课程内容安排。

    [07:00] 开始学习
  • 1-2

    深度学习课程结构 了解该课程的结构,该课程从理论到案例分析。

    [06:35] 开始学习
  • 1-3

    tensorflow相关软件安装 Anaconda和Tensorflow、 opencv安装

    「仅限付费用户」点击下载“Anaconda&tensorflow&Opencv的安装方法.pdf”

    [13:57] 开始学习
  • 1-4

    Python-Opencv2简单示例 Python-Opencv2简单示例

    [17:52] 开始学习
  • 第2章 CNN相关运算方式

    1小时31分钟5节

  • 2-1

    基于单通道、多通道输入的卷积、池化、激活层运算分析

    「仅限付费用户」点击下载“TensorFlow学习及案例分析(让自己的样本run起来).pdf”

    [24:00] 开始学习
  • 2-2

    Tensorflow相关函数讲解 主要讲解结合CNN模型讲解, placeholder、conv2d、relu、max_pool函数。

    「仅限付费用户」点击下载“tensoflow-GPU-1.3.0相关安装文件下载.txt”

    [06:21] 开始学习
  • 2-3

    了解TensorFlow的卷积结构 主要了解单通道输入和多通道输入对应nn.conv2d函数的卷积结构。

    [12:29] 开始学习
  • 2-4

    relu sigmoid tanh函数实现 tensorflow的2-4relu sigmoid tanh函数实现例子

    [06:45] 开始学习
  • 2-5

    dogs三通道图片的卷积、激活、池化实现

    「仅限付费用户」点击下载“课程源码及相关文件下载.txt”

    [41:25] 开始学习
  • 第3章 Gesture 案例分析

    2小时8分钟5节

  • 3-1

    生成单通道Gesture样本数据集(tfrecord 生成单通道Gesture原始图像样本数据集(tfrecords),数据类型uint8

    [37:19] 开始学习
  • 3-2

    加载Gesture训练集(tfrecords) 解码单通道(uint8)的tfrecords格式数据集,定义训练batch。

    [20:00] 开始学习
  • 3-3

    构建Gesture CNN模型 分析、构建Gesture CNN模型

    [26:52] 开始学习
  • 3-4

    训练、保存Gesture CNN模型 训练、保存Gesture CNN模型

    [20:16] 开始学习
  • 3-5

    加载Gesture CNN 模型进行预测 加载Gesture CNN模型进行预测

    [23:37] 开始学习
  • 第4章 Cifar-10 案例分析

    1小时22分钟5节

  • 4-2

    生成三通道Cifar10浮点类型数据集(tfreco 将样本原图,进行左右镜像增广样本,且进行图像白化处理,制作数据类型为浮点的三通道.tfrecords格式数据集。

    [18:13] 开始学习
  • 4-3

    构建、训练、保存Cifar10 CNN模型 加载数据集、构建分析、训练、保存模型。

    [27:32] 开始学习
  • 4-4

    增加样本量已有模型进行2次训练 增加样本量,已有模型进行2次训练

    [17:34] 开始学习

5

学员评分

  • 0%
  • 0%
  • 0%
  • 0%
  • 0%
超过  “深度学习”   99%的课程

    1
    非常糟

    2
    很差

    3
    一般

    4
    很好

    5
    非常好

      展开更多
      加载中
      没有了哦~
      ¥89.00
      仅需¥57.85
      关注公众号 领VIP会员
      下次再说

      点击打包下载,即可获取该课程全部资料

      打包下载
      618折上满减满200减25元 满300减35元 满500减55元
      618课程满200减25元
      是否单独购买该课程?
      直接购买 去凑单
      在线
      客服
      APP
      下载

      下载Android客户端

      下载iphone 客户端

      官方
      微信

      关注官方微信

      返回
      顶部