|
|
|
《深度学习框架Tensorflow学习与应用》 2017年3月开课6月结束（第三期）-炼数成金
深度学习作为一门理论和实践相结合的学科，在新的算法理论不断涌现的同时，各种深度学习框架也不断出现在人们视野。比如Torch，MxNet，theano，Caffe等等。Google在2015年11月9日宣布开源自己的第二代机器学习系统Tensorflow。深度学习是未来新产品和新技术的一个关键部分。在这个领域的研究是全球性的，并且发展很快，却缺少一个标准化的工具。Google希望把Tensorflow做成深度学习行业的标准。
Tensorflow支持python和c++语言，支持CNN、RNN和LSTM等算法，可以被用于语音识别或图像处理等多项深度学习领域。它可以在一个或多个CPU或GPU中运行。它可以运行在嵌入式系统(如手机，平板电脑)中，PC中以及分布式系统中。它是目前全世界最火爆的深度学习平台(没有之一)。
课程内容基本上是以代码编程为主，也会有少量的深度学习理论内容。课程会从Tensorflow最基础的图(graphs),会话(session),张量(tensor),变量(Variable)等一些最基础的知识开始讲起，逐步讲到Tensorflow的基础使用，以及在Tensorflow中CNN和LSTM的使用。在课程的后面会带着大家做几个实际的项目，比如训练自己的模型去进行图像识别，使用Tensorflow进行验证码的识别，以及Tensorflow在NLP中的使用。
授课时间：
本期课程将于3月23日开始。课程持续时间大约为14周。
课程大纲：
第一课 Tensorflow简介，Anaconda安装，Tensorflow的CPU版本安装。
第二课 Tensorflow的基础使用，包括对图(graphs),会话(session),张量(tensor),变量(Variable)的一些解释和操作。
第三课 Tensorflow线性回归以及分类的简单使用。
第四课 softmax，交叉熵(cross-entropy)，dropout以及Tensorflow中各种优化器的介绍。
第五课 卷积神经网络CNN的讲解，以及用CNN解决MNIST分类问题。
第六课 使用Tensorboard进行结构可视化，以及网络运算过程可视化。
第七课 递归神经网络LSTM的讲解，以及LSTM网络的使用。
第八课 保存和载入模型，使用Google的图像识别网络inception-v3进行图像识别。
第九课 Tensorflow的GPU版本安装。设计自己的网络模型，并训练自己的网络模型进行图像识别。
第十课 使用Tensorflow进行验证码识别。
第十一课 Tensorflow在NLP中的使用(一)。
第十二课 Tensorflow在NLP中的使用(二)。
课程环境：
Windows10 + Anaconda
下载链接：hel
|
本帖子中包含更多资源
您需要 登录 才可以下载或查看，没有账号？立即注册
x
评分
-
查看全部评分总评分 : 金币 +125
声明：
1、本帖所有言论、观点及图片均为会员个人观点，不代表本站立场。
2、本帖资源内容来源于网友、站友、作者推广引流自愿分享或其他公开网络渠道，非特殊说明资料一般在百度网盘仅用于交流与学习参考。
3、如本帖内容涉及任何版权或知识产权问题，请立即点论坛右侧邮件图标联系我们，我们将在核实后及时删除，并致以歉意。
4、本站资料仅供站友个人学习参考，禁止以任何形式进行传播或商用；如下载学习，请务必在 24 小时内删除。
|
发表于 2017-10-17 12:52:00
发表于 2017-10-17 13:28:51
发表于 2017-11-25 21:53:34