日月光华Tensorflow2.0深度学习入门与实战
课程目录:{1}--课程简介与开发环境搭建
(1.3)--Tensorflow2.0安装PPT.pdf352.57kb
--课程简介.mp47.23M
--Tensorflow2.0极简安装教程.mp454.06M
--Tensorflow2.0正式版的安装（选看）.mp437.24M
--原生python环境安装tensorflow指南（选学）.mp425.50M
{2}--深度学习基础和tf.keras
--机器学习原理-线性回归.mp452.06M
--tf.keras实现线性回归.mp425.76M
--梯度下降算法.mp420.20M
--多层感知器（神经网络）与激活函数.mp415.29M
--多层感知器（神经网络）的代码实现.mp459.69M
--逻辑回归与交叉熵.mp410.80M
--逻辑回归实现.mp424.51M
--softmax多分类（一）.mp418.52M
--softmax多分类代码实现-fashionmnist数据分类实.mp445.66M
--独热编码与交叉熵损失函数.mp425.72M
--优化函数、学习速率、反向传播算法.mp441.11M
--网络优化与超参数选择.mp418.50M
--Dropout抑制过拟合与网络参数选择总原则.mp449.49M
--Dropout与过拟合抑制.mp420.50M
--tf.keras函数式API.mp428.58M
{3}--tf.data输入模块
--tf.data模块简介.mp442.30M
--tf.data模块用法示例.mp423.03M
--tf.data输入实例（一）.mp422.03M
--tf.data输入实例（二）.mp429.18M
{4}--计算机视觉-卷积神经网络
--认识卷积神经网络（一）.mp426.11M
--认识卷积神经网络-卷积层和池化层.mp435.58M
--卷积神经网络整体架构.mp413.09M
--卷积神经网络识别Fashionmnist数据集.mp426.54M
--搭建卷积神经网络.mp439.63M
--卷积神经网络的优化.mp421.90M
{5}--卫星图像识别tf.data、卷积综合实例
--卫星图像识别卷积综合实例:图片数据读取.mp430.94M
--卫星图像识别卷积综合实例:读取和解码图片.mp427.80M
--卫星图像识别卷积综合实例:tf.data构造输入.mp452.25M
--卫星图像识别卷积综合实例tf.data构建图片输入管道.mp459.93M
--卫星图像识别卷积综合实例分类模型训练.mp418.34M
--批标准化.mp417.10M
--批标准化的使用.mp425.82M
{6}--tf.keras高阶API实例
--tf.keras序列问题-电影评论数据分类（一）.mp468.43M
--tf.keras序列问题-电影评论数据分类（二）.mp429.86M
--tf.keras训练过程可视化及解决过拟合问题.mp446.89M
--tf.keras图像识别-猫狗数据集实例（一）.mp432.44M
--tf.keras图像识别-猫狗数据集实例（二）.mp424.65M
{7}--Eager模式与自定义训练
--Eager模式简介.mp416.30M
--Eager模式代码演示与张量.mp422.93M
--变量与自动微分运算.mp422.55M
--自动微分与自定义训练（一）.mp430.13M
--Tensorflow自定义训练（二）.mp423.77M
--Tensorflow自定义训练（三）.mp429.89M
--Tensorflow自定义训练（四）.mp434.88M
--tf.keras.metrics汇总计算模块.mp466.06M
--tf.keras.metrics汇总计算应用实例（一）.mp422.65M
--tf.keras.metrics汇总计算应用实例（二）.mp421.32M
{8}--Tensorboard可视化
--利用回调函数使用Tensorboard.mp426.38M
--Tensorboard启动和界面含义介绍.mp428.42M
--自定义变量的tensorboard可视化.mp431.11M
--自定义训练中的tensorboard可视化.mp471.91M
{9}--自定义训练综合实例与图片增强
--猫狗数据实例-数据读取.mp438.57M
--猫狗数据实例-创建dataset.mp429.71M
--猫狗数据实例-创建模型.mp434.33M
--猫狗数据实例-损失函数与优化器.mp428.46M
--猫狗数据实例-定义单批次训练函数.mp431.48M
--使用kaggle训练模型.mp441.30M
--在自定义训练中添加验证数据.mp432.79M
--模型的训练与优化.mp435.98M
--猫狗数据实例-图片增强.mp423.76M
--模型的进一步优化与VGG网络.mp433.32M
{10}--使用预训练网络（迁移学习）
--预训练网络（迁移学习）基础知识.mp419.91M
--迁移学习网络架构.mp49.66M
--迁移学习的代码实现.mp427.81M
--经典预训练网络权重分享和使用方法.mp411.62M
--预训练网络使用——微调.mp426.43M
--常见的预训练网络模型及使用示例.mp466.15M
{11}--多输出模型实例
--多输出模型实例——数据加载.mp480.68M
--多输出模型的创建.mp428.07M
--多输出模型的编译和训练.mp417.56M
--多输出模型的评价与模型预测.mp457.26M
{12}--模型保存与恢复
--保存整体模型.mp427.50M
--.仅保存架构和仅保存权重.mp4105.24M
--使用回调函数保存模型.mp424.07M
--在自定义训练中保存检查点.mp446.13M
{13}--图像定位
--常见图像处理任务.mp428.19M
--图像和位置数据的解析与可视化.mp439.37M
--图片缩放与目标值的规范.mp420.50M
--数据读取与预处理（一）.mp425.95M
--数据读取与预处理——创建目标数据datasets.mp420.72M
--创建输入管道.mp427.14M
--图像定位模型创建.mp428.40M
--图像定位模型的预测.mp437.83M
--图像定位的优化、评价和应用简介.mp418.98M
{14}--自动图运算与GPU使用策略
--自动图运算.mp422.85M
--GPU配置与使用策略.mp470.27M
{15}--图像语义分割
--图像语义分割简介.mp416.73M
--图像语义分割网络结构——FCN.mp425.22M
--图像语义分割网络FCN的跳接结构.mp415.17M
--图像语义分割网络FCN代码实现(一).mp430.12M
--图像语义分割网络FCN代码实现(二).mp428.72M
--准备输入数据、可视化输入数据.mp485.07M
--使用预训练网络.mp429.73M
--获取模型中间层的输出.mp438.77M
--FCN模型搭建（一）.mp481.38M
--FCN模型搭建（二）.mp418.87M
--FCN模型训练和预测.mp435.46M
{16}--RNN循环神经网络
--RNN循环神经网络简介.mp434.53M
--tf.keras循环神经网络-航空评论数据预处理（一）.mp442.99M
--tf.keras循环神经网络-航空评论数据预处理（二）.mp430.64M
--tf.keras循环神经网络-航空评论数据分类模型.mp429.47M
{17}--RNN序列预测实例-空气污染预测
--RNN序列预测实例-空气污染预测-数据预处理(一).mp499.78M
--RNN序列预测实例-空气污染预测-数据预处理(二).mp452.17M
--RNN序列预测实例-空气污染预测-数据采样(一).mp436.62M
--RNN序列预测实例-空气污染预测-数据采样(二).mp424.31M
--RNN序列预测实例-空气污染预测-基础模型.mp433.27M
--RNN序列预测实例-空气污染预测-搭建LSTM模型.mp432.21M
--LSTM模型优化-多层LSTM和训练速度衰减.mp437.23M
--LSTM模型的预测和评价.mp447.45M
{18}--使用免费GPU加速训练
--注册和使用界面简介.mp428.61M
--添加数据集和下载运行输出.mp431.03M
{19}--下面的课程为1.x版本课程，感兴趣可以学习
(19.1)--Tensorflow1.x版本课程介绍（续）.pdf158.45kb
{20}--Tensorflow的简介与安装
--Tensorflow的简介与安装.mp497.88M
--课程更新介绍及安装提示（2019.02）.mp413.86M
{21}--Tensorflow数据流图、张量及数据类型
--Tensorflow数据流图、张量及数据类型.mp487.25M
{22}--Tensorflow中的session、占位符和变量
--Tensorflow中的session、占位符和变量.mp451.86M
{23}--机器学习基础-线性回归模型
--机器学习基础-线性回归模型.mp4139.82M
{25}--多分类问题-IRIS数据集
--多分类问题-IRIS数据集.mp4183.44M
{26}--CNN卷积神经网络
--CNN卷积神经网络介绍.mp4117.04M
--Mnist手写数字数据集softmax识别.mp492.78M
--卷积神经网络识别Mnist手写数字数据集.mp4121.70M
{27}--CNN卷积神经网络高级应用
--Tensorflow读取机制与猫和狗识别数据集.mp4167.29M
--猫和狗数据集的CNN网络实现.mp4193.89M
--CNN保存检查点.mp4152.78M
--过拟合与正则化以及数据增强处理.mp4123.87M
--Cifar-10数据集的CNN实现.mp4201.78M
--批标准化简介与应用.mp4141.82M
{28}--新读取机制:tf.data模块
--使用tf.data读取猫狗数据集(一).mp432.85M
--使用tf.data读取猫狗数据集(二).mp488.89M
--Feedableiterator使用实例（一）.mp428.88M
--Feedableiterator使用实例（二）.mp455.15M
{29}--Tensorflow高级API——tf.layers模块
--tf.layers模块常用方法（一）.mp460.66M
--tf.layers模块常用方法（二）.mp418.37M
{30}--RNN循环神经网络
--RNN循环神经网络简介.mp444.52M
--RNN识别Mnist手写数字数据集.mp4159.95M
--美国航空公司Twitter评论数据集-数据预处理.mp475.38M
--美国航空公司Twitter评论数据集-RNN实现.mp4163.95M
{31}--练习作业-搜狗实验室搜狐新闻数据分类
--练习作业-搜狗实验室搜狐新闻中文数据分类.mp4106.81M
{32}--附:Anaconda与Jputernotebook安装使用技巧
--Anaconda的安装 .mp474.74M
--conda的使用.mp441.33M
--Notebook页面介绍.mp465.83M
--Jupyternotebook使用技巧（一）.mp451.62M
--Jupyternotebook技巧（二）.mp490.21M
日月光华-tensorflow资料
datasets
model weights
tensorflow2.0代码
日月光华tensorflow课程PPT
数据集
下载地址:
**** Hidden Message ***** 正需要，支持楼主大人了！ 确实是难得好帖啊，顶先 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 正需要，支持楼主大人了！ 啥也不说了，感谢楼主分享哇！ 确实是难得好帖啊，顶先 啥也不说了，感谢楼主分享哇！