人工智能实践:Tensorflow笔记
人工智能实践:Tensorflow笔记
20万+人选课
更新日期:2024/03/28
开课平台 爱课程(中国大学MOOC)
开课高校 北京大学
开课教师 曹健
学科专业 工学计算机类
开课时间 2020/10/10 - 2021/01/20
课程周期 15 周
开课状态 已结课
每周学时 -
课程简介

课程梳理出Tensorflow2搭建优化神经网络的八股,带你逐步完善代码,实现图像识别与股票预测。课程以录像形式讲解知识点,以录屏形式分析源代码,通过助教的Tensorflow笔记实现回顾与扩展。内容包括:深度学习、神经网络的基本概念原理和代码实现示例。

课程大纲

第一讲 神经网络计算

1.7神经网络实现鸢尾花分类

1.5TF2常用函数2

1.6鸢尾花数据集读入

1.8Tensorflow2安装

1.4TF2常用函数1

1.2神经网络设计过程

1.1人工智能三学派

TensorFlow笔记:第一讲神经网络计算

第一讲 神经网络计算

1.3张量生成

PPT:第一讲神经网络计算

第二讲 神经网络优化

TensorFlow笔记:第二讲神经网络优化

2.4损失函数

2.5缓解过拟合

PPT:第二讲神经网络优化

2.6优化器

2.1预备知识

2.3激活函数

第二讲 神经网络优化

2.2复杂度学习率

第三讲 神经网络八股

3.1搭建网络八股sequential

3.2搭建网络八股class

第三讲 神经网络八股

TensorFlow笔记:第三讲神经网络八股

3.3MNIST数据集

3.4FASHION数据集

PPT:第三讲神经网络八股

第四讲 网络八股扩展

4.5参数提取

4.7给图识物

4.1搭建网络八股总览

PPT:第四讲网络八股扩展

4.6acc&loss可视化

4.4断点续训

TensorFlow笔记:第四讲网络八股扩展

4.2自制数据集

第四讲 网络八股扩展

4.3数据增强

第五讲 卷积神经网络

5.1卷积计算过程

5.16经典卷及网络小结

5.12AlexNet

5.9CIFAR0数据集

PPT:第五讲卷积神经网络

第五讲 卷积神经网络

5.14InceptionNet

5.10卷积神经网络搭建示例

5.13VGGNet

5.4TF描述卷积计算层

5.8卷积神经网络

5.2感受野

5.15ResNet

5.11LeNet

5.7舍弃

5.3全零填充

5.5批标准化

5.6池化

TensorFlow笔记:第五讲卷积神经网络

第六讲 循环神经网络

6.7循环计算过程II

6.10字母预测Embedding_1pre1

6.9Embedding编码

6.3循环计算层

TensorFlow笔记:第六讲循环神经网络

6.4TF描述循环计算层

6.8字母预测onehot_4pre1

6.2循环核时间步展开

6.6字母预测onehot_1pre1

6.14GRU实现股票预测(GRU计算过程_TF描述GRU层)

6.1循环核

6.11字母预测Embedding_4pre1

6.13LSTM实现股票预测(LSTM计算过程_TF描述LSTM层)

第六讲 循环神经网络

PPT:第六讲循环神经网络

6.5循环计算过程I

6.12RNN实现股票预测