安装Keras+TensorFlow组合【2021.9更新】
请至PC端网页下载本课程代码课件及数据。
系统、多面的介绍卷积神经网络、循环神经网络、长短期记忆网络等深度学习算法的原理,优缺点,并学习这些模型在python( Keras+Tensorflow)环境下的实现方法。
本课程为统计原理与操作并重,在详细阐明各种模型算法特点的基础上,再对这些方法的python实现进行学习。
学习完本课程后,学员将能够独立使用Keras+Tensorflow拟合神经网络、CNN、RNN、LSTM等各种深度学习模型,并能够使用VGG、ResNet等已有模型进行迁移学习,以满足实际研究工作或数据挖掘项目中的建模需求。
【更新记录】
2022.10:针对Anaconda 10月最新版(python 3.9)完成兼容性测试,更新了对应的课程内容。
2022.1:针对Anaconda最新版(python 3.8)完成兼容性测试,更新了对应的课程内容。
2021.4:针对软件环境的变化增加了对应的课程内容。2021.3:按照最新的tensorflow 2.4.1版的情况,对课程代码做了全面的兼容性验证和修订。
【课程大纲】
第1章:深度学习概述
第2章:准备软件环境
第3章:神经网络模型入门
第4章:Keras操作入门
第5章:卷积神经网络
第6章:图像预处理
第7章:迁移学习
第8章:循环神经网络
第9章:长短期记忆网络
【课程长度】
总时长:11小时
【学员基础】
学员需要懂得Python语言的基本编程知识,有基本的程序查错能力。
学员事前应当学习统计分析的基本知识,建议完全没有统计基础的学员事先学习免费视频课程《统计分析轻松入门》和《统计模型轻松入门》。
学员应当熟悉数据挖掘的相关知识,建议学员事先学习《数据挖掘轻松入门》,或者《数据挖掘》课程。
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
课程大纲