Web3.0實(shí)戰(zhàn)視頻教程,帶你輕松掌握DApp開發(fā)
Web3.0實(shí)戰(zhàn)視頻教程,帶你輕松掌握DApp開發(fā)
深度學(xué)習(xí)與TensorFlow 2入門實(shí)戰(zhàn)
立即下載
- 視頻資源大?。?0.2 GB 更新時間：2023-09-16
深度學(xué)習(xí)與TensorFlow 2入門實(shí)戰(zhàn)資源簡介：
本課程適合于深度學(xué)習(xí)和人工智能方向新手，需要零基礎(chǔ)、快速、深入學(xué)習(xí)人工智能的朋友。
課程目錄
├──01.深度學(xué)習(xí)初見
| ├──課時1 深度學(xué)習(xí)框架介紹-1.mp4 14.30M
| ├──課時2 深度學(xué)習(xí)框架介紹-2.mp4 14.43M
| ├──課時3 開發(fā)環(huán)境安裝-1.mp4 14.06M
| └──課時4 開發(fā)環(huán)境安裝-2.mp4 16.89M
├──02.【選看】開發(fā)環(huán)境全程實(shí)錄
| ├──課時10 Ubuntu平臺實(shí)錄-pycharm安裝.mp4 9.96M
| ├──課時5 win10平臺實(shí)錄-1.mp4 52.14M
| ├──課時6 win10平臺實(shí)錄-2.mp4 38.73M
| ├──課時7 Ubuntu平臺實(shí)錄-cuda安裝.mp4 22.28M
| ├──課時8 Ubuntu平臺實(shí)錄-anaconda安裝.mp4 15.04M
| └──課時9 Ubuntu平臺實(shí)錄-tensorlow、pytorch安裝.mp4 28.57M
├──03.回歸問題
| ├──課時11 線性回歸-1.mp4 10.34M
| ├──課時12 線性回歸-2.mp4 15.23M
| ├──課時13 回歸問題實(shí)戰(zhàn)-1.mp4 16.97M
| ├──課時14 回歸問題實(shí)戰(zhàn)-2.mp4 15.95M
| ├──課時15 手寫數(shù)字問題-1.mp4 21.65M
| ├──課時16 手寫數(shù)字問題-2.mp4 11.86M
| ├──課時17 手寫數(shù)字問題-3.mp4 14.20M
| ├──課時18 手寫數(shù)字問題初體驗(yàn)-1.mp4 14.49M
| └──課時19 手寫數(shù)字問題初體驗(yàn)-2.mp4 28.96M
├──04.Tensorflow 2基礎(chǔ)操作
| ├──課時20 tensorflow數(shù)據(jù)類型-1.mp4 16.91M
| ├──課時21 tensorflow數(shù)據(jù)類型-2.mp4 16.23M
| ├──課時22 創(chuàng)建Tensor-1.mp4 14.90M
| ├──課時23 創(chuàng)建Tensor-2.mp4 14.47M
| ├──課時24 創(chuàng)建Tensor-3.mp4 9.67M
| ├──課時25 索引與切片-1.mp4 26.95M
| ├──課時26 索引與切片-2.mp4 29.09M
| ├──課時27 索引與切片-3.mp4 9.09M
| ├──課時28 索引與切片-4.mp4 35.02M
| ├──課時29 索引與切片-5.mp4 16.62M
| ├──課時30 維度變換-1.mp4 27.74M
| ├──課時31 維度變換-2.mp4 16.88M
| ├──課時32 維度變換-3.mp4 11.28M
| ├──課時33 Broadcasting-1.mp4 28.17M
| ├──課時34 Broadcasting-2.mp4 28.76M
| ├──課時35 數(shù)學(xué)運(yùn)算.mp4 18.88M
| ├──課時36 前向傳播（張量）-實(shí)戰(zhàn)-1.mp4 13.41M
| ├──課時37 前向傳播（張量）-實(shí)戰(zhàn)-2.mp4 13.80M
| ├──課時38 前向傳播（張量）-實(shí)戰(zhàn)-3.mp4 13.97M
| └──課時39 前向傳播（張量）-實(shí)戰(zhàn)-4.mp4 15.84M
├──05.tensorflow 2高階操作
| ├──課時40 合并與分割.mp4 18.40M
| ├──課時41 數(shù)據(jù)統(tǒng)計(jì).mp4 20.28M
| ├──課時42 張量排序-1.mp4 11.67M
| ├──課時43 張量排序-2.mp4 38.38M
| ├──課時44 填充與復(fù)制.mp4 17.45M
| ├──課時45 張量限幅-1.mp4 13.69M
| ├──課時46 張量限幅-2.mp4 17.44M
| ├──課時47 高階操作-1.mp4 13.17M
| └──課時48 高階操作-2.mp4 13.57M
├──06 神經(jīng)網(wǎng)絡(luò)與全連接層
| ├──課時49 數(shù)據(jù)加載-1.mp4 13.84M
| ├──課時50 數(shù)據(jù)加載-2.mp4 10.56M
| ├──課時51 數(shù)據(jù)加載-3.mp4 12.01M
| ├──課時52 測試（張量）實(shí)戰(zhàn).mp4 25.67M
| ├──課時53 全連接層-1.mp4 14.17M
| ├──課時54 全連接層-2.mp4 16.54M
| ├──課時55 輸出方式.mp4 16.51M
| ├──課時56 誤差計(jì)算-1.mp4 13.52M
| ├──課時57 誤差計(jì)算-2.mp4 13.00M
| └──課時58 誤差計(jì)算-3.mp4 40.68M
├──07 隨機(jī)梯度下降
| ├──課時59 梯度下降-簡介-1.mp4 25.37M
| ├──課時60 梯度下降-簡介-2.mp4 14.45M
| ├──課時61 常見函數(shù)的梯度.mp4 93.37kb
| ├──課時62 激活函數(shù)及其梯度.mp4 21.40M
| ├──課時63 損失函數(shù)及其梯度-1.mp4 10.78M
| ├──課時64 損失函數(shù)及其梯度-2.mp4 63.50M
| ├──課時65 單輸出感知機(jī)梯度.mp4 51.89M
| ├──課時66 多輸出感知機(jī)梯度.mp4 17.71M
| ├──課時67 鏈?zhǔn)椒▌t.mp4 18.26M
| ├──課時68 反向傳播算法-1.mp4 14.09M
| ├──課時69 反向傳播算法-2.mp4 14.13M
| ├──課時70 函數(shù)優(yōu)化實(shí)戰(zhàn).mp4 38.96M
| ├──課時71 手寫數(shù)字問題實(shí)戰(zhàn)（層）-1.mp4 32.39M
| ├──課時72 手寫數(shù)字問題實(shí)戰(zhàn)（層）-2.mp4 13.92M
| ├──課時73 手寫數(shù)字問題實(shí)戰(zhàn)（層）-3.mp4 26.51M
| ├──課時74 TensorBoard可視化-1.mp4 15.55M
| └──課時75 TensorBoard可視化-2.mp4 60.20M
├──08.Keras高層接口
| ├──課時76 Keras高層API-1.mp4 12.76M
| ├──課時77 Keras高層API-2.mp4 29.82M
| ├──課時78 Keras高層API-3.mp4 28.32M
| ├──課時79 自定義層或網(wǎng)絡(luò)-1.mp4 11.90M
| ├──課時80 自定義層或網(wǎng)絡(luò)-2.mp4 15.11M
| ├──課時81 模型保存與加載.mp4 17.07M
| ├──課時82 CIFAR10自定義網(wǎng)絡(luò)實(shí)戰(zhàn)-1.mp4 13.63M
| ├──課時83 CIFAR10自定義網(wǎng)絡(luò)實(shí)戰(zhàn)-2.mp4 36.15M
| └──課時84 CIFAR10自定義網(wǎng)絡(luò)實(shí)戰(zhàn)-3.mp4 22.94M
├──09.過擬合
| ├──課時 89 動量與學(xué)習(xí)率.mp4 48.27M
| ├──課時85 過擬合與欠擬合.mp4 58.62M
| ├──課時86 交叉驗(yàn)證-1.mp4 28.18M
| ├──課時87 交叉驗(yàn)證-2.mp4 43.26M
| ├──課時88 Regularization.mp4 41.13M
| └──課時90 Early stopping，Dropout.mp4 57.83M
├──10.卷積神經(jīng)網(wǎng)絡(luò)
| ├──課時101 BatchNorm
| | ├──batchnorm.mp4 46.33M
| | └──batchnorm2 .mp4 47.42M
| ├──課時100 經(jīng)典卷積網(wǎng)絡(luò)VGG, GoogLeNet, Inception-2.mp4 45.25M
| ├──課時102 ResNet, DenseNet – 1.mp4 17.41M
| ├──課時103 ResNet, DenseNet – 2.mp4 18.37M
| ├──課時104 ResNet實(shí)戰(zhàn)-1.mp4 13.48M
| ├──課時105 ResNet實(shí)戰(zhàn)-2.mp4 14.31M
| ├──課時106 ResNet實(shí)戰(zhàn)-3.mp4 33.47M
| ├──課時107 ResNet實(shí)戰(zhàn)-4.mp4 62.48M
| ├──課時86 什么是卷積-1.mp4 20.39M
| ├──課時87 什么是卷積-2.mp4 14.99M
| ├──課時88 什么是卷積-3.mp4 41.25M
| ├──課時89 什么是卷積-4.mp4 12.93M
| ├──課時90 卷積神經(jīng)網(wǎng)絡(luò)-1.mp4 16.99M
| ├──課時91 卷積神經(jīng)網(wǎng)絡(luò)-2.mp4 16.01M
| ├──課時92 卷積神經(jīng)網(wǎng)絡(luò)-3.mp4 15.35M
| ├──課時93 卷積神經(jīng)網(wǎng)絡(luò)-4.mp4 15.31M
| ├──課時94 池化與采樣.mp4 10.78M
| ├──課時95 CIFAR100與VGG13實(shí)戰(zhàn)-1.mp4 13.45M
| ├──課時96 CIFAR100與VGG13實(shí)戰(zhàn)-2.mp4 13.87M
| ├──課時97 CIFAR100與VGG13實(shí)戰(zhàn)-3.mp4 14.24M
| ├──課時98 CIFAR100與VGG13實(shí)戰(zhàn)-4.mp4 10.59M
| └──課時99 經(jīng)典卷積網(wǎng)絡(luò)VGG, GoogLeNet, Inception-1.mp4 20.02M
├──11.循環(huán)神經(jīng)網(wǎng)絡(luò)RNN
| ├──GRU原理與實(shí)戰(zhàn).mp4 44.49M
| ├──lstm-1.mp4 33.94M
| ├──lstm-2.mp4 28.79M
| ├──LSTM實(shí)戰(zhàn).mp4 49.56M
| ├──課時108 序列表示方法-1.mp4 15.59M
| ├──課時109 序列表示方法-2.mp4 17.23M
| ├──課時110 循環(huán)神經(jīng)網(wǎng)絡(luò)層-1.mp4 13.93M
| ├──課時111 循環(huán)神經(jīng)網(wǎng)絡(luò)層-2.mp4 32.43M
| ├──課時112 RNNCell使用-1.mp4 14.79M
| ├──課時113 RNNCell使用-2.mp4 11.67M
| ├──課時114 RNN與情感分類問題實(shí)戰(zhàn)-加載IMDB數(shù)據(jù)集.mp4 13.64M
| ├──課時115 RNN與情感分類問題實(shí)戰(zhàn)-單層RNN Cell.mp4 14.01M
| ├──課時116 RNN與情感分類問題實(shí)戰(zhàn)-網(wǎng)絡(luò)訓(xùn)練.mp4 12.99M
| ├──課時117 RNN與情感分類問題實(shí)戰(zhàn)-多層RNN Cel.mp4 14.11M
| └──梯度彌散與梯度爆炸.mp4 64.71M
├──12.自編碼器Auto-Encoders
| ├──課時119 無監(jiān)督學(xué)習(xí).mp4 14.06M
| ├──課時120 Auto-Encoders原理.mp4 45.04M
| ├──課時121 Auto-Encoders變種.mp4 13.86M
| ├──課時122 Adversarial Auto-Encoders.mp4 12.62M
| ├──課時123 Variational Auto-Encoders引入.mp4 14.20M
| ├──課時124 Reparameterization Trick.mp4 13.78M
| ├──課時125 Variational Auto-Encoders原理.mp4 19.16M
| ├──課時126 Auto-Encoders實(shí)戰(zhàn)-創(chuàng)建編解碼器.mp4 12.65M
| ├──課時127 Auto-Encoders實(shí)戰(zhàn)-訓(xùn)練.mp4 12.46M
| ├──課時128 Auto-Encoders實(shí)戰(zhàn)-測試.mp4 14.15M
| ├──課時129 VAE實(shí)戰(zhàn)-創(chuàng)建網(wǎng)絡(luò).mp4 14.20M
| ├──課時130 VAE實(shí)戰(zhàn)-KL Divergence計(jì)算.mp4 47.81M
| └──課時131 VAE實(shí)戰(zhàn)-訓(xùn)練與測試.mp4 20.54M
├──13.對抗生成網(wǎng)絡(luò)GAN
| ├──課時132 數(shù)據(jù)的分布.mp4 12.37M
| ├──課時133 畫家的成長歷程.mp4 85.53M
| ├──課時134 GAN原理.mp4 18.09M
| ├──課時135 納什均衡-D.mp4 68.56M
| ├──課時136 納什均衡-G.mp4 34.57M
| ├──課時137 JS散度的缺陷.mp4 34.46M
| ├──課時138 EM距離.mp4 47.49M
| ├──課時139 WGAN-GP原理.mp4 124.68M
| ├──課時140 GAN實(shí)戰(zhàn)-.mp4 17.29M
| ├──課時141 GAN實(shí)戰(zhàn)-2.mp4 27.19M
| ├──課時142 GAN實(shí)戰(zhàn)-3.mp4 15.12M
| ├──課時143 GAN實(shí)戰(zhàn)-4.mp4 16.08M
| ├──課時144 GAN實(shí)戰(zhàn)-5.mp4 12.92M
| ├──課時145 GAN實(shí)戰(zhàn)-6.mp4 14.34M
| ├──課時146 WGAN實(shí)戰(zhàn)-1.mp4 16.97M
| └──課時147 WGAN實(shí)戰(zhàn)-2.mp4 20.74M
├──14.【選看】人工智能發(fā)展簡史
| ├──課時148 生物神經(jīng)元結(jié)構(gòu).mp4 5.87M
| ├──課時149 感知機(jī)的提出.mp4 13.56M
| ├──課時150 BP神經(jīng)網(wǎng)絡(luò).mp4 68.15M
| ├──課時151 CNN和LSTM的發(fā)明.mp4 65.62M
| ├──課時152 人工智能低谷.mp4 59.45M
| ├──課時153 深度學(xué)習(xí)的誕生.mp4 14.61M
| └──課時154 深度學(xué)習(xí)的爆發(fā).mp4 94.11M
├──15.【選看】Numpy實(shí)戰(zhàn)BP神經(jīng)網(wǎng)絡(luò)
| ├──課時155 權(quán)值的表示.mp4 35.99M
| ├──課時156 多層感知機(jī)的實(shí)現(xiàn).mp4 14.03M
| ├──課時157 BP神經(jīng)網(wǎng)絡(luò)前向傳播.mp4 14.57M
| ├──課時158 BP神經(jīng)網(wǎng)絡(luò)反向傳播-1.mp4 14.51M
| ├──課時159 BP神經(jīng)網(wǎng)絡(luò)反向傳播-.mp4 13.81M
| ├──課時160 BP神經(jīng)網(wǎng)絡(luò)反向傳播-3.mp4 13.82M
| ├──課時161 多層感知機(jī)的訓(xùn)練.mp4 15.98M
| ├──課時162 多層感知機(jī)的測試.mp4 19.15M
| └──課時163 實(shí)戰(zhàn)小結(jié).mp4 12.16M
├──電子書
| ├──花書-深度學(xué)習(xí)-Eng.pdf 15.91M
| └──花書-中文版.pdf 30.77M
└──軟件資料
| ├──課程安裝軟件-Ubuntu 18.04
| | ├──Anaconda3-2019.03-Linux-x86_64.sh 654.13M
| | ├──cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb 1.55G
| | ├──cudnn-10.0-linux-x64-v7.5.0.56.tgz 412.76M
| | └──pycharm-community-2019.1.1.tar.gz 317.09M
| └──課程安裝軟件-Win10
| | ├──Anaconda3-2019.03-Windows-x86_64.exe 661.66M
| | ├──cuda_10.0.130_411.31_win10.exe 2.04G
| | ├──cudnn-10.0-windows10-x64-v7.5.0.56 (1).zip 213.78M
| | └──pycharm-community-2019.1.1.exe 231.79M
深度學(xué)習(xí)與TensorFlow 2入門實(shí)戰(zhàn)百度網(wǎng)盤
React18+TS+NestJS+GraphQL 全棧開發(fā)在線教育平臺
React18+TS+NestJS+GraphQL 全棧開發(fā)在線教育平臺
深度學(xué)習(xí)與TensorFlow 2入門實(shí)戰(zhàn)
