分享

北京大学 人工智能实践:Tensorflow笔记

课程会以投影的形式,帮你梳理tensorflow的用法,希望你用纸质笔记本记录下每个打着对勾的知识点;会用录屏的形式,带你编写代码,实现实际应用,希望你用电脑复现课程的案例。每次课后,助教会分享他的tensorflow笔记和源代码,帮你查漏补缺。

29课时 共4420秒 更新时间:2018-09-15 15:25:17

手机扫码访问此课程
免费 已有 17 人学习

该讲师其它课程

销量排行

  • 讲师简介
  • 课程介绍
  • 课程目录
  • 学习资料

【课程介绍】

第一讲 带着大家梳理人工智能领域的基本概念:比如什么是人工智能、什么机器学习、什么是深度学习,他们的发展历史是什么,能用他们做什么。课后,助教会带领大家安装Ubuntu系统、Python解释器 和 Tensorflow环境,把同学们的电脑进行改造,让它变得更专业。

第二讲 串讲python语法:课程将帮同学们在最短的时间内把python语法织成网,为后续课程扫清代码关;

第三讲 讲解Tensorflow的关键词,搭建神经网络:这节课会介绍张量、计算图、会话等概念,并用Python搭建你的第一个神经网络,总结出神经网络搭建的八股。

第四讲 讲解神经网络的优化:包括损失函数、学习率、滑动平均和正则化。

第五讲 讲解全连接网络:使用MNIST数据集,搭建全连接网络实现手写数字的识别。包括前向传播、反向传播、识别准确率输出和反向传播断点续训。

第六讲 讲解全连接网络应用:更改上一讲全连接网络的代码,现场手写一个数字,输出这个数字的值。

第七讲 讲解卷积神经网络:使用MNIST数据集,搭建卷积神经网络实现前向传播、反向传播、识别准确率输出和反向传播断点续训。

第八讲 讲解卷积神经网络应用:复现ImageNet数据集训练好的模型,实现特定图片的识别。

【课程目录】

会员 1、1.1-概述17:07 [+]
会员 2、1.2-双系统安装17:27 [+]
会员 3、1.3-Windows虚拟机安装06:00 [+]
会员 4、1.4-Mac Tensorflow安装00:00 [+]
会员 5、2.1-Linux指令、Hello World05:40 [+]
会员 6、2.2-列表、元组、字典08:30 [+]
会员 7、2.3-条件语句08:54 [+]
会员 8、2.4-循环语句00:00 [+]
会员 9、2.5-turtle模块05:09 [+]
会员 10、2.6-函数、模块、包05:07 [+]
会员 11、2.7-类、对象、面向对象的编程08:48 [+]
会员 12、2.8-文件操作05:07 [+]
会员 13、3.1-张量、计算图、会话09:27 [+]
会员 14、3.2-前向传播15:04 [+]
会员 15、3.3-反向传播12:39 [+]
会员 16、4.1-损失函数18:42 [+]
会员 17、4.2-学习率08:27 [+]
会员 18、4.3-滑动平均07:38 [+]
会员 19、4.4-正则化13:37 [+]
会员 20、4.5-神经网络搭建八股10:58 [+]
会员 21、5.1-MNIST数据集09:36 [+]
会员 22、5.2-模块化搭建神经网络八股03:07 [+]
会员 23、5.3-手写数字识别准确率输出07:46 [+]
会员 24、6.1-输入手写数字图片输出识别结果12:58 [+]
会员 25、6.2-制作数据集14:49 [+]
会员 26、7.1-卷积神经网络19:48 [+]
会员 27、7.2-lenet5代码讲解13:03 [+]
会员 28、8.1-复现已有的卷积神经网络00:00 [+]
会员 29、8.2-用vgg16实现图片识别16:32 [+]

【学习资料】

所属章节 资料名称 文件大小 下载