|
|
学完前两册，理论部分应该有点底了。第三册开始把理论和 Tensorflow 框架结合起来用，损失函数、求导这些之前觉得虚的东西，放到代码里跑一遍会好懂很多。
内容大致分四步走：
1. 先过一遍 Tensorflow 基础知识和 keras 接口，不用死记 API，跟着敲就行；
2. 拿本地存的手写数字图片当例子，教你怎么处理自己行业的数据，把图片转成矩阵喂给神经网络；
3. 数据准备好就开训，训练过程中会自动保存结果，不用手动存 checkpoint；
4. 最后在实际应用里加载训好的模型，去识别没见过的新图片，走完一个完整流程。
这套适合已经看完前两册、想动手跑一遍 神经网络 的人。如果只是想了解概念，第三册可以先放放，等有代码基础了再回来。
资源目录：
├─ 1 课程介绍.mp4
├─ 2 环境安装.mp4
├─ 3 开始使用.mp4
├─ 4 tensorfow基础1.mp4
├─ 5 tensorfow基础2.mp4
├─ 6 独热编码.mp4
├─ 7 激活函数.mp4
├─ 8 导数运算.mp4
├─ 9 调整参数.mp4
├─ 10 损失函数1.mp4
├─ 11 损失函数2.mp4
├─ 12 损失函数3.mp4
├─ 13 描述神经网络.mp4
├─ 14 配置训练方法.mp4
├─ 15 自制数据集的引入.mp4
├─ 16 数据集实现.mp4
├─ 17 数据集测试.mp4
├─ 18 数据集的保存.mp4
├─ 19 加载数据集到神经网络.mp4
├─ 20 执行训练.mp4
├─ 21 保存训练成果.mp4
├─ 22 加载训练成果.mp4
├─ 23 处理任意手写图片.mp4
├─ 24 看图识数的实现.mp4
课程资料
AI1-01.rar
mnist-01.rar
mnist-02.rar
|
|
发表于 
发表于 