('TensorFlow2.0 深度解析从原理到应用2019[全]',),全套视频教程学习资料通过百度云网盘下载

admin

资源详情


有问题随时联系小店qq1981389505
第1节:机器学习框架介绍.mp4
第2节:Tensorflow介绍.mp4
第3节:Tensorflow2新版特忄生.mp4
第4节:Tensorflow2架构方式.mp4
第5节:Tensorflow与其他框架对比.mp4
第6节:Tensorflow环境配置.mp4
第7节:基于谷歌云平台搭建无GPU环境.mp4
第8节:基于谷歌云平台配置远程笔记工具.mp4
第9节:基于谷歌云平台搭建GPU版环境.mp4
第10节:基于谷歌云平台镜像搭建环境.mp4
第11节:AWS云平台环境配置.mp4
第12节:tfkeras介绍.mp4
第13节:分类回归与目标函数.mp4
第14节:分类模型数据读取与展示.mp4
第15节:分类模型模型构建.mp4
第16节:分类模型数据归一化.mp4
第17节:回调函数.mp4
第18节:神经网络讲解.mp4
第19节:深度神经网络案例.mp4
第20节:批归一化、激活函数、dropout案例.mp4
第21节:wide_deep模型.mp4
第22节:函数API实现wide&deep模型.mp4
第23节:子类API实现wide&deep模型.mp4
第24节:wide&deep模型的多输入与多输出案例.mp4
第25节:超参数搜索.mp4
第26节:手动实现超参数搜索案例.mp4
第27节:用sklearn封装keras模型.mp4
第28节:用sklearn超参数搜索.mp4
第29节:基础API介绍.mp4
第30节:tf.constant.mp4
第31节:tf.strings与ragged_tensor.mp4
第32节:sparse_tensor与tf.Variable.mp4
第33节:自定义损失函数与DenseLayer回顾.mp4
第34节:使子类与lambda分别自定义层次.mp4
第35节:tf.function函数转换.mp4
第36节:@tf.function函数转换.mp4
第37节:函数签名与图结构.mp4
第38节:近似求导.mp4
第39节:tf.GradientTape基本使用方法.mp4
第40节:tf.GradientTape与tf.keras结合使用.mp4
第41节:其它常用API介绍.mp4
第42节:调用data_API.mp4
第43节:调用tf_data.mp4
第44节:生成csv文件.mp4
第45节:调用tf.io.decode_csv工具.mp4
第46节:tf.data与tf.keras读取csv文件.mp4
第47节:tfrecordAPI导入.mp4
第48节:生成tfrecords文件.mp4
第49节:tf.data+tf.keras读取文件.mp4
第50节:datasetAPI注意事项.mp4
第51节:Estimator介绍.mp4
第52节:泰坦尼克问题分析.mp4
第53节:feature_column使用.mp4
第54节:keras_to_estimator.mp4
第55节:预定义estimator使用.mp4
第56节:交叉特征.mp4
第57节:TF1.0引入.mp4
第58节:TF1.0计算图构建.mp4
第59节:TF1.0模型训练.mp4
第60节:TF1_dataset使用.mp4
第61节:TF1_自定义estimator.mp4
第62节:API改动升级与课程总结.mp4
第63节:卷积神经网络引入与总体结构.mp4
第64节:卷积解决的问题.mp4
第65节:卷积的计算.mp4
第66节:池化操作.mp4
第67节:卷积神经网络.mp4
第68节:深度可分离卷积网络.mp4
第69节:深度可分离卷积网络.mp4
第70节:Kaggle平台与10monkeys数据集介绍.mp4
第71节:Keras_generator读取数据.mp4
第72节:10monkeys基础模型搭建与训练.mp4
第73节:10monkeys模型微调.mp4
第74节:keras_generator读取cifar10数据集.mp4
第75节:模型训练与预测.mp4
第76节:章节总结.mp4
第77节:循环神经网络引入与embedding.mp4
第78节:数据集载入与构建词表索引.mp4
第79节:数据padding、模型构建与训练.mp4
第80节:序列式问题与循环神经网络.mp4
第81节:循环神经网络文本分类.mp4
第82节:文本生成之数据处理.mp4
第83节:文本生成之构建模型.mp4
第84节:文本生成之采样生成文本.mp4
第85节:LSTM长短期记忆网络.mp4
第86节:LSTM文本分类与文本生成.mp4
第87节:subword文本分类之数据集载入与tokenizer.ts
第88节:subword文本分类之dataset变换与模型训练.ts
第89节:章节总结.ts
第90节:课程引入与GPU设置.mp4
第91节:GPU默认设置.mp4
第92节:内存增长和虚拟设备.mp4
第93节:GPU手动设置.mp4
第94节:分布式策略.mp4
第95节:keras分布式.mp4
第96节:estimator分布式.mp4
第97节:自定义流程.mp4
第98节:分布式自定义流程.mp4
第99节:课程引入与TFLite_x264.ts
第100节:保存模型结构加参数与保存参数.ts
第101节:Keras模型转化为SA危edModel.ts
第102节:签名函数转化为SA危edModel.ts
第103节:签名函数，SA危edModel和Keras模型到具体函数转换.ts
第104节:tflite保存与解释与量化.ts
第105节:本章总结.mp4
第106节:tensorflowjs搭建服务?载入模型.mp4
第107节:Android部署模型与总结.mp4
第108节:课程引入与seq2seq+attention模型讲解.ts
第109节:数据预处理理与读取.ts
第110节:数据id化与dataset生成.ts
第111节:Encoder构建.ts
第112节:attention构建.ts
第113节:Decoder构建.ts
第114节:损失函数与单步训练函数.ts
第115节:模型训练.ts
第116节:模型预测实现.ts
第117节:样例例分析与总结.ts
第118节:Transformer模型总体架构.ts
第119节:Encoder-Decoder架构与缩放点击注意力.ts
第120节:多头注意力与位置编码.ts
第121节:Add、Normalize、Decoding过程与总结.ts
第122节:数据预处理与dataset生成.ts
第123节:位置编码.ts
第124节:mask构建.ts
第125节:缩放点积注意力机制实现(1).ts
第126节:缩放点积注意力机制实现(2).ts
第127节:多头注意力机制实现.ts
第128节:feedforward层次实现.ts
第129节:EncoderLayer.ts
第130节:DecoderLayer.ts
第131节:EncoderModel.ts
第132节:DecoderModel.ts
第133节:Transformer.ts
第134节:自定义学习率.ts
第135节:Mask创建与使用.ts
第136节:模型训练.ts
第137节:模型预测实现.ts
第138节:attention可视化.ts
第139节:案例展示.mp4
第140节:如何学习更多模型[完].mp4
资料包.rar

游客，如果您要查看本帖隐藏内容请回复