TensorFlow從入門(mén)到精通
-
課程目標(biāo)
本課程上半部分會(huì)從Tensorflow的安裝開(kāi)始，講解Tensorflow中的各種技術(shù)細(xì)節(jié)。讓大家快速上手編寫(xiě)神經(jīng)網(wǎng)絡(luò)。也會(huì)補(bǔ)充一些深度學(xué)習(xí)相關(guān)的理論知識(shí)，如交叉熵，Softmax函數(shù)，各種優(yōu)化器的算法和應(yīng)用等內(nèi)容。 下半部分會(huì)講解幾個(gè)深度學(xué)習(xí)的項(xiàng)目，如圖像識(shí)別，驗(yàn)證碼識(shí)別，word2vec，語(yǔ)音分類(lèi)等。
-
師資團(tuán)隊(duì)
-
華清創(chuàng)客企業(yè)內(nèi)訓(xùn)講師，均是來(lái)自各個(gè)領(lǐng)域的資深專(zhuān)家，均擁有6年以上大型項(xiàng)目經(jīng)驗(yàn)。
-
培養(yǎng)對(duì)象
1、對(duì)深度學(xué)習(xí)感興趣的學(xué)員
2、想從事深度學(xué)習(xí)相關(guān)工作的學(xué)員
3、想儲(chǔ)備深度學(xué)習(xí)技能的學(xué)員 -
培訓(xùn)方式
第一種：華清創(chuàng)客講師面授
課時(shí)：共4天，每天6學(xué)時(shí)，總計(jì)24學(xué)時(shí)
◆費(fèi)用：3200元
◆外地學(xué)員：代理安排食宿（需提前預(yù)定）
第二種：線上直播授課
直播課時(shí)：共8天，每天3學(xué)時(shí)，總計(jì)24學(xué)時(shí)；
輔導(dǎo)：授課期間，輔導(dǎo)老師每天有1小時(shí)的輔導(dǎo)直播
◆費(fèi)用：3200元
第三種：企業(yè)訂制培訓(xùn)
課時(shí)：根據(jù)定制的大綱確定課時(shí)
費(fèi)用：根據(jù)課程難度，每課時(shí)2000~3500元
-
-
質(zhì)量保證
1、培訓(xùn)過(guò)程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在下期培訓(xùn)班中重聽(tīng)；
2、培訓(xùn)結(jié)束后免費(fèi)提供一個(gè)月的技術(shù)支持，充分保證培訓(xùn)后出效果；
3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。
-
課程大綱
第一章：Tensorflow概述
1.1 tensorflow簡(jiǎn)介
1.2 Anaconda的安裝
1.3 Tensorflow的安裝
第二章：Tensorflow簡(jiǎn)單案例
2.1 創(chuàng)建圖-啟動(dòng)圖
2.2 變量
2.3 fetch and feed
2.4 Tensorflow簡(jiǎn)單案例
第三章：MNIST講解
3.1 非線性回歸
3.2 MNIST數(shù)據(jù)集和Softmax講解
3.3 MNIST數(shù)據(jù)集分類(lèi)簡(jiǎn)單版本
第四章：優(yōu)化器介紹及使用
4.1 交叉熵(cross-entropy)
4.2 過(guò)擬合以及Dropout介紹
4.3 優(yōu)化器Optimizer
4.4 優(yōu)化器的使用
4.5 實(shí)操：網(wǎng)絡(luò)優(yōu)化
第五章：Tensorboard介紹及使用
5.1 Tensorboard網(wǎng)絡(luò)結(jié)構(gòu)
5.2 Tensorboard網(wǎng)絡(luò)運(yùn)行
5.3 Tensorboard可視化
第六章：CNN介紹和應(yīng)用
6.1 卷積神經(jīng)網(wǎng)絡(luò)CNN介紹
6.2 CNN應(yīng)用于MNIST數(shù)據(jù)集分類(lèi)
6.3 實(shí)操：調(diào)試CNN結(jié)構(gòu)和運(yùn)行結(jié)果
第七章：LSTM介紹和使用
7.1 遞歸神經(jīng)網(wǎng)絡(luò)RNN
7.2 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)LSTM
7.3 LSTM網(wǎng)絡(luò)程序
7.4 outputs和final state詳解
第八章：圖像識(shí)別
8.1 參數(shù)保存
8.2 模型保存
8.3 下載Google圖像識(shí)別網(wǎng)絡(luò)inception-v3并查看結(jié)構(gòu)
8.4 實(shí)操：使用inception-v3做各種圖像的識(shí)別
第九章：模型識(shí)別
9.1 GPU版本的Tensorflow安裝
9.2 Retrain圖像識(shí)別模型
9.3 實(shí)操：使用TFRecord訓(xùn)練圖像識(shí)別模型
第十章：驗(yàn)證碼處理
10.1 生成驗(yàn)證碼
10.2 多任務(wù)學(xué)習(xí)
10.3 使用多任務(wù)學(xué)習(xí)完成驗(yàn)證碼識(shí)別
10.4 檢驗(yàn)驗(yàn)證碼識(shí)別效果
10.5 實(shí)操：動(dòng)手實(shí)現(xiàn)驗(yàn)證碼識(shí)別
第十一章：word2vec介紹和實(shí)現(xiàn)
11.1 word2vec介紹和實(shí)現(xiàn)
11.2 實(shí)操：使用CNN完成文本分類(lèi)
第十二章：語(yǔ)音信號(hào)處理以及完成分類(lèi)
12.1 語(yǔ)音信號(hào)處理
12.2 實(shí)操：使用LSTM完成語(yǔ)音分類(lèi)
- 已贊
