Tensorflow学习及案例分析视频课程(让自己的样本run起来)

课程目标:从软件安装开始,结合案例学会Tensorflow的基本应用,包括: 1、通过理论和编程理解单通道和多通道的卷积操作; 2、基于自己的原图自作tfrecords数据集,及结合opencv制作增广的白化处理数据集; 3、两个案例分析,其中涉及模型构建分析、训练、模型保存、模型加载进行预测。

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
5分 共19课时,共5小时46分钟
现价¥71.20 原价¥89.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

从软件安装开始,结合案例学会Tensorflow的基本应用,包括: 1、通过理论和编程理解单通道和多通道的卷积操作; 2、基于自己的原图自作tfrecords数据集,及结合opencv制作增广的白化处理数据集; 3、两个案例分析,其中涉及模型构建分析、训练、模型保存、模型加载进行预测。

适用人群

想从事深度学习相关工作的人,想将深度学习技术引入自己的项目。

课程简介

本课程主要以深度学习技术应用于项目目的出发,前两部分从深度学习相关开发工具Anacond、Tensorflow、Python-OpenCV2的安装开始,一步一步仔细讲解、分析、编程实现:卷积神经网络CNN中的各种技术细节,让大家更好的理解卷积层、池化层、激活层等运算实现方式,快速上手构建、编写自己的卷积神经网络。
后两部分详细讲解2个项目:Gesture、Cifar-10,从零开始,涉及通过样本的原图构建自己的训练数据集、构建自己的CNN模型、分析模型、训练模型、保存模型,加载模型进行预测,一些列完整的例程操作实现。期间还涉及图像的样本制作方法,如样本的白化处理和增广技术。


具体:

1、深度学习简介

2、CNN的相关运算

   从理论到程序:单通道数据和多通道数据的卷积(convolution)、池化(pooling)、激活层(relu)等原理分析及程序实现。

3、Gesture案列分析,包括

   1) Gesture tfrecords原图数据集(数据类型uint8)制作;

   2)tfrecords数据集解码,构建训练的Batch;

   3)CNN 模型分析及构建、模型训练、模型保存的实现;

   3)模型加载预测样本。

4、Cifar-10案例分,包括

   1)三通道原图数据白化处理;

   2) 基于白化处理后的浮点数据制作tfrecords数据集;

   2)浮点型tfrecords的数据集解码

   3)模型分析构建、训练保存;

   3)已有模型再训练;

   4)模型加载预测。

第一章深度学习课程简介
4节45分钟
1-1深度学习课程内容 [免费试看]
07:00
1-2深度学习课程结构 [免费试看]
06:35
1-3tensorflow相关软件安装 [免费试看]
13:57
1-4Python-Opencv2简单示例 [免费试看]
17:52
第二章CNN相关运算方式
5节1小时31分钟
2-1基于单通道、多通道输入的卷积、池化、激活层运算分析 [免费试看]
24:00
2-2Tensorflow相关函数讲解 [免费试看]
06:21
2-3了解TensorFlow的卷积结构 [免费试看]
12:29
2-4relu sigmoid tanh函数实现 [免费试看]
06:45
2-5dogs三通道图片的卷积、激活、池化实现 [免费试看]
41:25
第三章Gesture 案例分析
5节2小时8分钟
3-1生成单通道Gesture样本数据集(tfrecords) [免费试看]
37:19
3-2加载Gesture训练集(tfrecords) [免费试看]
20:00
3-3构建Gesture CNN模型
26:52
3-4训练、保存Gesture CNN模型
20:16
3-5加载Gesture CNN 模型进行预测
23:37
第四章Cifar-10 案例分析
5节1小时22分钟
4-1Cifar10训练样本部分抽取
11:49
4-2生成三通道Cifar10浮点类型数据集(tfrecords)
18:13
4-3构建、训练、保存Cifar10 CNN模型
27:32
4-4增加样本量已有模型进行2次训练
17:34
4-5加载cifar10 模型进行预测
07:17
讲师介绍
李翔
讲师评分5.0分
检测技术与自动化装置 硕士学位。 具有6年视觉图像项目经验。某创业公司技术合伙人、 研发总监、机器视觉专家。擅长技术领域: 机器视觉、 人机交互、 视 觉类的深度学习等领域。 授课风格: 理论知识与实践紧密联系, 以实际开发案例带领大家学习。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载