Tensorflow2.x版本框架的讲解以及实战案例:通过NN,CNN识别手写数字和识别图形验证码 高阶

Tensorflow2.x版本框架的讲解以及实战案例:通过NN,CNN识别手写数字和识别图形验证码

新课热卖榜    第6 更新: 2020/08/13

收藏( 2 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

11 学习人数 8小时26分钟 35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)

24小时内答疑 随时随地观看课程 专属资料下载

刘建萍

讲师评分:4.7 85门 课程 11万 次学习

多年的研发及教学经验,资深程序员,某大型互联网公司架构师,参与多项大型项目的研发;

主页
  • 课程介绍
  • 课程大纲
  • 其他课程 84
  • 学习路径

学完本课程,您将掌握:

  • 学习tensorflow2.x版本的框架的基本使用
  • 通过TensorFlow框架创建神经网络结构,卷积神经网络结构
  • 实战案例:识别手写数字
  • 实战案例:识别图形验证码

适合人群:

具有python基础知识,以及想从事人工智能方向的工作岗位的同学,可以学习本课程

学习计划:

1.建议每天完成一节课的学习,每节课学习完之后都需要按照大纲,重新梳理一遍,同时动手敲一下大纲中知识点以及案例 2.没学完一阶段,都会有一个测试,希望能认真完成测试题。检验一下每一阶段自己掌握的情况 3.老师讲解的综合案例,需要在老师讲解之前,自己先学着分析项目需求,尽量多的去完成案例。之后带着问题再听老师的讲解,效果会更佳。

课程目标:

Tensorflow2.x版本框架的讲解以及实战案例:通过NN,CNN识别手写数字和识别图形验证码

课程简介:

课程简介:

欢迎加入我的51CTO官方专属交流群:697483006 

有关学习上的任何问题都可以在群中向老师提出来,我会及时给予解答的。


本课程是人工智能系列课程中深度学中的部分。

建议可以先学习机器学和深度学部分的知识点,再学习TensorFlow框架的内容,效果会更佳。

机器学相关的课程:

可以先学习第一课,有关numpy,pandas,matpltlib python库,链接为:https://edu.51cto.com/course/23206.html


第二课:机器学中的线性回归,逻辑回归,梯度下降:https://edu.51cto.com/course/23221.html

第三课:机器学中的决策树以及相关的实战案例  链接为:https://edu.51cto.com/course/23223.html

第四课程:人工智能系列课程集成算法,贝叶斯算法,聚类,降维,支持向量机,综合案例开发  链接为:https://edu.51cto.com/course/24206.html



有关深度学相关的课程是:

https://edu.51cto.com/course/24477.html


本课程主要讲解如下内容:

  1. TensorFlow2.x框架的下载和安装

  2. tensorflow 2.x版本的框架的发展历程

  3. TensorFlow2.x版本有哪些升级点

  4. tensorflow框架的工作流程

  5. 熟悉通过TensorFlow框架如何创建神经网络结构,以及创建卷积神经网络的结构

  6. 实战案例:通过TensorFlow框架加载MNIST手写数据集,进行手写数字的识别工作

  7. 实战案例:通过TensorFlow框架识别图形验证码的验证码数据

image.png

image.pngimage.png

image.png



展开更多

课程大纲

资料下载
  • 第1章 TensorFlow2.x版本框架的介绍以及相关的专业术语

    1小时23分钟6节

  • 1-1

    复习深度学涉及到的神经网络,CNN,RNN,LSTM

    「仅限付费用户」点击下载“1-tensorflow课程的学习:下载和安装.docx”

    [12:26] 开始学习
  • 1-2

    TensorFlow2.x版本框架的介绍

    「仅限付费用户」点击下载“2-TensorFlow程序详解.docx”

    [15:00] 开始学习
  • 1-3

    深度学主要框架的对比

    「仅限付费用户」点击下载“TensorFlow框架涉及到的案例.zip”

    [15:00] 开始学习
  • 1-4

    讲解TensorFlow框架的架构图

    [15:00] 开始学习
  • 1-5

    下载和安装TensorFlow2.x版本的框架

    [15:00] 开始学习
  • 1-6

    讲解通过Keras来创建模型,编译模型,训练模型,评

    [11:14] 开始学习
  • 第2章 通过python代码实现TensorFlow2.x框架的工作

    1小时40分钟7节

  • 2-1

    复习上节课中TensorFlow框架的知识点

    [11:38] 开始学习
  • 2-2

    讲解序列化建模的步骤以及讲解如何创建全连接层以及参数

    [15:00] 开始学习
  • 2-3

    创建全连接层以及讲解常见参数

    [15:00] 开始学习
  • 2-4

    在编译模型的时候指定优化器,损失值计算方式,评估方式

    [15:00] 开始学习
  • 2-5

    在编译模型的时候讲解优化器的发展史

    [15:00] 开始学习
  • 2-6

    在训练模型的时候设置各种参数

    [15:00] 开始学习
  • 2-7

    在训练模型的时候设置各种参数(二)

    [13:53] 开始学习
  • 第3章 实战案例:加载MNIST数据集进行训练模型以及识别手写数字

    1小时28分钟6节

  • 3-1

    复习上节课知识点

    [14:07] 开始学习
  • 3-2

    获取MNIST数据集的方式:网上下载或者加载本地数据

    [15:00] 开始学习
  • 3-3

    获取到数据集之后对数据进行预处理

    [14:59] 开始学习
  • 3-4

    建立模型以及添加多个隐藏层

    [15:00] 开始学习
  • 3-5

    编译模型以及训练模型以及视图化展示损失值和准确率的变

    [15:00] 开始学习
  • 3-6

    整体梳理一下实例的开发流程

    [14:26] 开始学习
  • 第4章 实战案例:通过创建卷积神经网络识别图形验证码

    1小时15分钟5节

  • 4-1

    下载captcha模块来生成图形验证码以及生成随机数

    [14:42] 开始学习
展开更多
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
在线
客服
在线
客服

下载Android客户端

下载iphone 客户端

关注官方微信

返回
顶部