|
内容介绍：
第1课: 机器学习框架介绍.mp4 第2课: Tensorflow介绍.mp4 第3课: Tensorflow2新版特性.mp4 第4课: Tensorflow2架构方式.mp4 第5课: Tensorflow与其他框架对比.mp4 第6课: Tensorflow环境配置.mp4 第7课: 基于谷歌云平台搭建无GPU环境.mp4 第8课: 基于谷歌云平台配置远程笔记工具.mp4 第9课: 基于谷歌云平台搭建GPU版环境.mp4 第10课: 基于谷歌云平台镜像搭建环境.mp4 第11课: AWS云平台环境配置.mp4 第12课: tfkeras介绍.mp4 第13课: 分类回归与目标函数.mp4 第14课: 分类模型数据读取与展示.mp4 第15课: 分类模型模型构建.mp4 第16课: 分类模型数据归一化.mp4 第17课: 回调函数.mp4 第18课: 神经网络讲解.mp4 第19课: 深度神经网络案例.mp4 第20课: 批归一化、激活函数、dropout案例.mp4 第21课: wide_deep模型.mp4 第22课: 函数API实现wide&deep模型.mp4 第23课: 子类API实现wide&deep模型.mp4 第24课: wide&deep模型的多输入与多输出案例.mp4 第25课: 超参数搜索.mp4 第26课: 手动实现超参数搜索案例.mp4 第27课: 用sklearn封装keras模型.mp4 第28课: 用sklearn超参数搜索.mp4 第29课: 基础API介绍.mp4 第30课: tf.constant.mp4 第31课: tf.strings与ragged_tensor.mp4 第32课: sparse_tensor与tf.Variable.mp4 第33课: 自定义损失函数与DenseLayer回顾.mp4 第34课: 使子类与lambda分别自定义层次.mp4 第35课: tf.function函数转换.mp4 第36课: @tf.function函数转换.mp4 第37课: 函数签名与图结构.mp4 第38课: 近似求导.mp4 第39课: tf.GradientTape基本使用方法.mp4 第40课: tf.GradientTape与tf.keras结合使用.mp4 第41课: 其它常用API介绍.mp4 第42课: 调用data_API.mp4 第43课: 调用tf_data.mp4 第44课: 生成csv文件.mp4 第45课: 调用tf.io.decode_csv工具.mp4 第46课: tf.data与tf.keras读取csv文件.mp4 第47课: tfrecord API导入.mp4 第48课: 生成tfrecords文件.mp4 第49课: tf.data+tf.keras读取文件.mp4 第50课: datasetAPI注意事项.mp4 第51课: Estimator介绍.mp4 第52课: 泰坦尼克问题分析.mp4 第53课: feature_column使用.mp4 第54课: keras_to_estimator.mp4 第55课: 预定义estimator使用.mp4 第56课: 交叉特征.mp4 第57课: TF1.0引入.mp4 第58课: TF1.0计算图构建.mp4 第59课: TF1.0模型训练.mp4 第60课: TF1_dataset使用.mp4 第61课: TF1_自定义estimator.mp4 第62课: API改动升级与课程总结.mp4 第63课: 卷积神经网络引入与总体结构.mp4 第64课: 卷积解决的问题.mp4 第65课: 卷积的计算.mp4 第66课: 池化操作.mp4 第67课: 卷积神经网络.mp4 第68课: 深度可分离卷积网络.mp4 第69课: 深度可分离卷积网络.mp4 第70课: Kaggle平台与10monkeys数据集介绍.mp4 第71课: Keras_generator读取数据.mp4 第72课: 10monkeys基础模型搭建与训练.mp4 第73课: 10monkeys模型微调.mp4 第74课: keras_generator读取cifar10数据集.mp4 第75课: 模型训练与预测.mp4 第76课: 章节总结.mp4 第77课: 循环神经网络引入与embedding.mp4 第78课: 数据集载入与构建词表索引.mp4 第79课: 数据padding、模型构建与训练.mp4 第80课: 序列式问题与循环神经网络.mp4 第81课: 循环神经网络文本分类.mp4 第82课: 文本生成之数据处理.mp4 第83课: 文本生成之构建模型.mp4 第84课: 文本生成之采样生成文本.mp4 第85课: LSTM长短期记忆网络.mp4 第86课: LSTM文本分类与文本生成.mp4 第87课: subword文本分类之数据集载入与tokenizer.ts 第88课: subword文本分类之dataset变换与模型训练.ts 第89课: 章节总结.ts 第90课: 课程引入与GPU设置.mp4 第91课: GPU默认设置.mp4 第92课: 内存增长和虚拟设备.mp4 第93课: GPU手动设置.mp4 第94课: 分布式策略.mp4 第95课: keras分布式.mp4 第96课: estimator分布式.mp4 第97课: 自定义流程.mp4 第98课: 分布式自定义流程.mp4 第99课: 课程引入与TFLite_x264.ts 第100课: 保存模型结构加参数与保存参数.ts 第101课: Keras模型转化为SavedModel.ts 第102课: 签名函数转化为SavedModel.ts 第103课: 签名函数，SavedModel和Keras模型到具体函数转换.ts 第104课: tflite保存与解释与量化.ts 第105课: 本章总结.mp4 第106课: tensorflowjs搭建服务?载入模型.mp4 第107课: Android部署模型与总结.mp4 第108课: 课程引入与seq2seq+attention模型讲解.ts 第109课: 数据预处理理与读取.ts 第110课: 数据id化与dataset生成.ts 第111课: Encoder构建.ts 第112课: attention构建.ts 第113课: Decoder构建.ts 第114课: 损失函数与单步训练函数.ts 第115课: 模型训练.ts 第116课: 模型预测实现.ts 第117课: 样例例分析与总结.ts 第118课: Transformer模型总体架构.ts 第119课: Encoder-Decoder架构与缩放点击注意力.ts 第120课: 多头注意力与位置编码.ts 第121课: Add、Normalize、Decoding过程与总结.ts 第122课: 数据预处理与dataset生成.ts 第123课: 位置编码.ts 第124课: mask构建.ts 第125课: 缩放点积注意力机制实现(1).ts 第126课: 缩放点积注意力机制实现(2).ts 第127课: 多头注意力机制实现.ts 第128课: feedforward层次实现.ts 第129课: EncoderLayer.ts 第130课: DecoderLayer.ts 第131课: EncoderModel.ts 第132课: DecoderModel.ts 第133课: Transformer.ts 第134课: 自定义学习率.ts 第135课: Mask创建与使用.ts 第136课: 模型训练.ts 第137课: 模型预测实现.ts 第138课: attention可视化.ts 第139课: 案例展示.mp4 第140课: 如何学习更多模型[完].mp4 资料包.rar 百度网盘下载地址：
购买主题
已有 1 人购买
本主题需向作者支付 30 金币 才能浏览
| |
| ||
| ||
发表于 2020-5-12 10:14:16
收藏
发表于 2020-5-13 22:11:02
