深度学习与神经网络从原理到实践（基于TensorFlow2.X）

1-1

深度学习与神经网络介绍 1.1.深度学习与神经网络介绍

「仅限付费用户」点击下载“全套数据集和源代码.rar”

[05:13] 开始学习

1-2

人造神经元 1.2.人造神经元

「仅限付费用户」点击下载“1.神经网络基本原理.pdf”

[06:50] 开始学习

1-3

单层感知器 1.3.单层感知器

[10:12] 开始学习

1-4

两层感知器 1.4.两层感知器

[12:15] 开始学习

2-1

TensorFlow2介绍 TensorFlow2介绍

「仅限付费用户」点击下载“2.tensorFlow2.X入门.pdf”

[09:15] 开始学习

2-2

anaconda安装（节选自Numpy课程） 2.anaconda安装

[04:07] 开始学习

2-3

jupyter notebook介绍（节选自Nump 3.jupyter notebook介绍

[04:56] 开始学习

2-4

PyCharm安装(节选自Numpy课程) 4.pycharm安装

[11:34] 开始学习

2-5

CPU版TensorFlow2.X安装 2.1-1.CPU版TensorFlow2.X安装

[06:12] 开始学习

2-6

GPU版Tensorflow2.X安装 GPU版Tensorflow2.X安装

[08:31] 开始学习

2-7

张量 2.2.张量

[13:32] 开始学习

2-8

随机数 2.3.随机数

[08:40] 开始学习

2-9

科学计算 2.4.数学运算

[07:41] 开始学习

2-10

统计方法 2.5.统计方法

[07:07] 开始学习

2-11

自动求导机制 2.6.自动求导机制

[07:02] 开始学习

2-12

案例：tensorflow实现空气质量预测 2.7.案例：tf实现线性回归

[06:39] 开始学习

2-13

案例：数据加载 2.8.案例：数据加载

[09:52] 开始学习

2-14

案例：梯度下降算法的实现 2.9.案例：梯度下降算法的实现

[14:05] 开始学习

3-1

全连接神经网络介绍 3.1.全连接神经网络

「仅限付费用户」点击下载“3.全连接神经网络.pptx”

[06:37] 开始学习

3-2

案例1：MNIST手写数字识别-图片加载 3.2.案例1：MNIST手写数字识别-图片加载

[12:02] 开始学习