Tensorflow 2 & Keras: 深度学习与人工智能 | Tensorflow 2 & Keras:Deep Learning & Artificial Intelligence

Tensorflow 2 和 Keras 的深度学习和人工智能、神经网络、GAN、自动编码器、深度学习 AZ。

你将会学到的

  • 从零开始完全理解 TensorFlow 2(谷歌的深度学习框架)
  • Keras API 用于快速构建在 Tensorflow 2 上运行的模型
  • 了解神经网络的工作原理
  • 了解反向传播、前向传播、梯度下降
  • 人工神经网络 (ANN)
  • 卷积神经网络 (CNN)
  • 使用卷积神经网络执行图像分类
  • 图像识别
  • 递归神经网络 (RNN)
  • 迁移学习
  • 使用 TensorFlow 创建生成对抗网络 (GAN)
  • 汽车编码器
  • 生成式深度学习 – 神经风格迁移
  • 使用 Numpy、Pandas 进行数据分析和使用 Matplotlib 进行数据可视化

要求

  • Python编码的理解

说明

欢迎来到Tensorflow 2 和 Keras API 课程的深度学习和人工智能。

本课程包括如何使用 tensorflow 2 以及如何使用 tensorflow 2 和 Keras 创建深度学习应用程序。

本课程将指导您如何使用 google colab,所有在 google colab 中完成的工作。

本课程包含许多项目,例如 MNIST 数字分类、MNIST 时尚数据分类、猫狗图像分类、面部表情识别、叶病识别、使用 Keras 使用 DCGAN(深度卷积生成对抗网络)生成图像、使用 Keras 去噪自动编码器、TensorFlow ,以及深度学习等

Generative Deep Learning – Neural Style Transfer 也包含在本课程中。

本课程附有每堂课的参考笔记和代码文件。

Tensorflow是一个开源机器库,是深度学习应用最广泛的框架之一。

谷歌发布了他们的 TensorFlow 深度学习库(TensorFlow 2)的新版本,直接集成了 Keras API,并将该接口推广为平台上深度学习开发的默认或标准接口。

本课程包括各种主题 –

  • 完全理解TensorFlow 2.0(谷歌的深度学习框架)从头开始
  • Keras API 用于快速构建在 Tensorflow 2 上运行的模型
  • 了解神经网络的工作原理
  • 了解反向传播、前向传播、梯度下降
  • 人工神经网络 (ANN)
  • 卷积神经网络 (CNN)
  • 使用卷积神经网络执行图像分类
  • 图像识别
  • 递归神经网络 (RNN)
  • 迁移学习
  • 使用 TensorFlow 创建生成对抗网络 (GAN)
  • 汽车编码器
  • 自然语言处理简介
  • 使用 Numpy、Pandas 进行数据分析和使用 Matplotlib 进行数据可视化

此课程面向哪些人:

  • 任何对深度学习和人工智能充满热情的人
  • Python 开发者对深度学习和 Tensorflow 感到好奇
声明:本站所有资源、素材等全部来源于互联网,赞助VIP仅用于对IT资源服务器带宽等费用支出做支持,从本站下载资源,说明你已同意本条款。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。
TheItzy » Tensorflow 2 & Keras: 深度学习与人工智能 | Tensorflow 2 & Keras:Deep Learning & Artificial Intelligence