适用人群

本课程讲解Tensorflow深度学习的概念和使用方法，适合有一定python语言基础和数据分析基础的学员学习参考。

课程概述

更新提示：
2024年3月25日 新增 第24章 transformer自注意力模型一章 8 节。
2023.4.27 更新目标识别一章的配置与安装（163节、164节），简化tensorflow object detection API 的安装。
————————————————————————
本课程用通俗易懂的实例，系统讲解了Tensorflow2.0的使用，是一堂简明易懂、系统深入的 Tensorflow 2.0 教程。
咱们的课程由主讲老师提供答疑服务，答疑群学习讨论的氛围浓厚！
————————————————————————
课程永久有效，提供全部数据集、代码和PPT。
————————————————————————

目录

章节1:课程简介与开发环境搭建试看
课时1视频课程简介09:12可试看
课时2视频TensorFlow安装——环境配置08:20可试看
课时3视频CPU 版本的安装06:04可试看
课时4视频GPU版本的安装和使用测试12:50可试看
课时5文本TensorFlow安装教程课件可试看
章节2:深度学习基础和 tf.keras试看
课时6视频机器学习原理-线性回归12:42可试看
课时7视频tf.keras实现线性回归12:29可试看
课时8视频梯度下降算法10:12可试看
课时9视频多层感知器（神经网络）与激活函数09:30可试看
课时10视频多层感知器（神经网络）的代码实现13:04可试看
课时11视频逻辑回归与交叉熵05:25可试看
课时12视频逻辑回归实现11:57可试看
课时13视频softmax多分类（一）10:14可试看
课时14视频softmax多分类代码实现- fashion mnist数据分类实例12:35可试看
课时15视频独热编码与交叉熵损失函数10:41可试看
课时16视频优化函数、学习速率、反向传播算法11:39可试看
课时17视频网络优化与超参数选择08:14可试看
课时18视频Dropout抑制过拟合与网络参数选择总原则12:48可试看
课时19视频Dropout与过拟合抑制06:16可试看
课时20视频tf.keras函数式API14:10可试看
章节3:tf.data输入模块
课时21视频tf.data模块简介14:31
课时22视频tf.data模块用法示例12:31
课时23视频tf.data输入实例（一）10:21
课时24视频tf.data输入实例（二）06:15
章节4:计算机视觉-卷积神经网络
课时25视频认识卷积神经网络（一）14:33
课时26视频认识卷积神经网络-卷积层和池化层15:26
课时27视频卷积神经网络整体架构06:40
课时28视频卷积神经网络识别Fashion mnist数据集08:08
课时29视频搭建卷积神经网络12:42
课时30视频卷积神经网络的优化11:01
章节5:卫星图像识别  tf.data、卷积综合实例
课时31视频卫星图像识别 卷积综合实例：获取图片路径和标签13:34
课时32视频卫星图像识别 卷积综合实例：读取和解码图片10:50
课时33视频卫星图像识别 卷积综合实例：创建Dataset09:47
课时34视频卫星图像识别 卷积综合实例: 划分训练和测试dataset09:54
课时35视频卫星图像识别 卷积综合实例: 模型创建17:24
课时36视频卫星图像识别 卷积综合实例: 模型的编译和训练12:41
课时37视频卫星图像识别 卷积综合实例: 模型预测12:38
课时38视频批标准化10:42
课时39视频批标准化的使用09:57
章节6:tf.keras高阶API实例
课时40视频200种鸟类图片分类实例——获取图片和标签11:12
课时41视频200种鸟类图片分类实例——创建dataset、读取图片11:13
课时42视频200种鸟类图片分类实例——模型和损失函数10:05
课时43视频200种鸟类图片分类实例——训练和预测08:25
课时44视频tf.keras序列问题 – 电影评论数据分类（一）19:47
课时45视频tf.keras序列问题 – 电影评论数据分类（二）14:45
课时46视频tf.keras 训练过程可视化及解决过拟合问题16:22
章节7:Eager模式与自定义训练
课时47视频Eager模式简介10:48
课时48视频Eager模式代码演示与张量13:20
课时49视频变量与自动微分运算12:20
课时50视频自动微分与自定义训练（一）15:04
课时51视频Tensorflow自定义训练（二）12:30
课时52视频Tensorflow自定义训练（三）14:50
课时53视频Tensorflow自定义训练（四）09:13
课时54视频tf.keras.metrics汇总计算模块12:38
课时55视频tf.keras.metrics汇总计算应用实例（一）10:57
课时56视频tf.keras.metrics汇总计算应用实例（二）09:09
章节8:Tensorboard可视化
课时57视频利用回调函数使用Tensorboard13:44
课时58视频Tensorboard启动和界面含义介绍11:52
课时59视频自定义变量的tensorboard可视化13:12
课时60视频自定义训练中的tensorboard可视化12:01
章节9:自定义训练综合实例与图片增强
课时61视频猫狗数据实例 – 数据读取16:32
课时62视频猫狗数据实例 – 创建dataset14:20
课时63视频猫狗数据实例 – 创建模型15:53
课时64视频猫狗数据实例 – 损失函数与优化器14:19
课时65视频猫狗数据实例 – 定义单批次训练函数15:30
课时66视频使用kaggle训练模型17:23
课时67视频在自定义训练中添加验证数据12:58
课时68视频模型的训练与优化12:45
课时69视频猫狗数据实例 – 图片增强10:57
课时70视频模型的进一步优化与VGG网络12:37
章节10:使用预训练网络（迁移学习）试看
课时71视频预训练网络（迁移学习）基础知识10:52
课时72视频迁移学习网络架构05:14
课时73视频迁移学习的代码实现11:33
课时74视频经典预训练网络权重分享和使用方法05:24
课时75视频预训练网络使用——微调11:22
课时76视频常见的预训练网络模型及使用示例12:32可试看
章节11:多输出模型实例
课时77视频多输出模型实例——数据加载14:26
课时78视频多输出模型的创建14:20
课时79视频多输出模型的编译和训练07:54
课时80视频多输出模型的评价与模型预测17:03
课时81视频多输出模型的自定义训练与损失函数定义09:05
章节12:模型保存与恢复
课时82视频保存整体模型11:30
课时83视频.仅保存架构和仅保存权重10:48
课时84视频使用回调函数保存模型09:22
课时85视频在自定义训练中保存检查点16:37
章节13:图像定位
课时86视频常见图像处理任务09:29
课时87视频图像和位置数据的解析与可视化17:55
课时88视频图片缩放与目标值的规范09:50
课时89视频数据读取与预处理（一）12:05
课时90视频数据读取与预处理——创建目标数据datasets09:18
课时91视频创建输入管道13:24
课时92视频图像定位模型创建13:18
课时93视频图像定位模型的预测13:05
课时94视频图像定位的优化、评价和应用简介10:37
章节14:自动图运算与GPU使用策略
课时95视频自动图运算10:21
课时96视频GPU配置与使用策略09:55
章节15:图像语义分割
课时97视频图像语义分割简介09:25
课时98视频图像语义分割网络结构——FCN13:30
课时99视频图像语义分割网络FCN的跳接结构08:17
课时100视频图像语义分割网络FCN代码实现(一)13:44
课时101视频图像语义分割网络FCN代码实现(二)14:02
课时102视频准备输入数据、可视化输入数据11:31
课时103视频使用预训练网络13:32
课时104视频获取模型中间层的输出14:16
课时105视频FCN模型搭建（一）17:01
课时106视频FCN模型搭建（二）08:01
课时107视频FCN模型训练和预测13:10
章节16:自定义层和自定义模型
课时108视频Tensorflow自定义层（一）19:47
课时109视频Tensorflow自定义层——使用add_weight添加权重08:45
课时110视频自定义层——在获取输入后初始化权重12:21
课时111视频层的递归组合12:31
课时112视频自定义模型10:02
章节17:UNET图像语义分割模型
课时113视频Unet模型介绍10:13
课时114视频城市街景数据集介绍10:00
课时115视频获取图片路径，创建dataset14:41
课时116视频读取数据集12:42
课时117视频图片数据增强09:19
课时118视频加载图像21:34
课时119视频unet模型创建——下采样层15:20
课时120视频Unet模型创建——上采样层10:11
课时121视频Unet模型创建——初始化部分14:33
课时122视频Unet模型创建——前向传播部分11:17
课时123视频定义优化器、损失函数、计算指标13:28
课时124视频Unet模型训练08:34
章节18:残差结构与LinkNet语义分割模型
课时125视频残差结构与Resnet11:23
课时126视频Resnet 残差模块代码实现16:43
课时127视频Linknet图像语义分割模型简介13:23
课时128视频模型的卷积模块和反卷积模块17:56
课时129视频编码器模块11:04
课时130视频解码器模块06:21
课时131视频模型初始化函数（上）08:56
课时132视频模型初始化函数（下）10:00
课时133视频LinkNet 模型的构建09:24
章节19:RNN循环神经网络
课时134视频RNN循环神经网络简介16:41
课时135视频tf.keras循环神经网络 – 航空评论数据预处理（一）19:13
课时136视频tf.keras循环神经网络 – 航空评论数据预处理（二）14:59
课时137视频tf.keras循环神经网络 – 航空评论数据分类模型11:54
章节20:RNN序列预测实例 – 空气污染预测
课时138视频RNN序列预测实例 – 空气污染预测 – 数据预处理(一)13:27
课时139视频RNN序列预测实例 – 空气污染预测 – 数据预处理(二)11:02
课时140视频RNN序列预测实例 – 空气污染预测 – 数据采样(一)16:38
课时141视频RNN序列预测实例 – 空气污染预测 – 数据采样(二)14:14
课时142视频RNN序列预测实例 – 空气污染预测 –  基础模型16:20
课时143视频RNN序列预测实例 – 空气污染预测 – 搭建LSTM模型15:14
课时144视频LSTM模型优化 – 多层LSTM 和训练速度衰减17:39
课时145视频LSTM模型的预测和评价19:04
章节21:一维卷积
课时146视频一维卷积简介10:17
课时147视频一维卷积实例——文本分类12:16
课时148视频一维卷积——叶子分类实例(1)14:31
课时149视频一维卷积——叶子分类实例(2)16:07
课时150视频一维卷积——叶子分类实例(3)06:13
课时151视频一维卷积网络的优化（1）06:59
课时152视频一维卷积网络的优化（2）13:33
章节22:自编码器和变分自编码器
课时153视频自编码器简介12:57
课时154视频基本自编码器的代码实现23:34
课时155视频变分自编码器简介12:58
课时156视频变分自编码器模型的整体架构和数据预处理08:06
课时157视频模型的初始化和编码器部分08:45
课时158视频重参数化、解码器的构建10:58
课时159视频损失函数的定义11:31
课时160视频变分自编码器的训练和测试11:39
章节23:目标识别与TensorFlow Object Detection API
课时161视频目标识别的原理综述19:34
课时162视频TensorFlow Object Detection API简介10:05
课时163视频环境配置与Object Detection API安装（2023.4.27更新）31:05
课时164视频官网单类别对象识别代码运行演示（2023.4.27新增）21:52
课时165视频官网单类别对象识别代码讲解（上）11:21
课时166视频官网单类别对象识别代码讲解（下）18:43
课时167视频图像标注库与标注演示08:23
课时168视频标注数据的训练和预测演示13:51
课时169视频多类别检测的训练和预测12:25
章节24:Transformer自注意力模型
课时170视频Transformer模型简介17:27
课时171视频点积与自注意力机制18:54
课时172视频自注意力机制原理（一）20:50
课时173视频自注意力机制原理（二）09:27
课时174视频自注意力机制原理（三）13:06
课时175视频多头自注意力13:54
课时176视频Transformer残差与层归一化08:53
课时177视频Transformer位置编码21:26
章节25:使用免费GPU加速训练
课时178视频Kaggle简介和注册技巧17:46
课时179视频Kaggle使用免费GPU和Notebook技巧19:54
章节26:下面的课程为 1.x 版本课程，感兴趣可以学习试看
课时180文本Tensorflow1.x版本课程介绍（续）可试看
章节27:Tensorflow的简介与安装试看
课时181视频Tensorflow的简介与安装15:01可试看
课时182视频课程更新介绍及安装提示（2019.02）10:45可试看
章节28:Tensorflow数据流图、张量及数据类型试看
课时183视频Tensorflow数据流图、张量及数据类型14:52可试看
章节29:Tensorflow中的session、占位符和变量
课时184视频Tensorflow中的session、占位符和变量14:48
章节30:机器学习基础-线性回归模型
课时185视频机器学习基础-线性回归模型24:41
章节31:机器学习基础-对数几率回归
课时186视频对数几率回归-数据预处理19:57
课时187视频对数几率回归-定义网络13:41
章节32:多分类问题-IRIS数据集
课时188视频多分类问题-IRIS数据集17:50
章节33:CNN卷积神经网络
课时189视频CNN卷积神经网络介绍19:15
课时190视频Mnist手写数字数据集softmax识别11:20
课时191视频卷积神经网络识别Mnist手写数字数据集20:43
章节34:CNN卷积神经网络高级应用
课时192视频Tensorflow读取机制与猫和狗识别数据集27:45
课时193视频猫和狗数据集的CNN网络实现19:18
课时194视频CNN保存检查点13:03
课时195视频过拟合与正则化以及数据增强处理16:45
课时196视频Cifar-10数据集的CNN实现18:00
课时197视频批标准化简介与应用10:08
章节35:新读取机制：tf.data模块
课时198视频使用tf.data读取猫狗数据集(一)15:50
课时199视频使用tf.data读取猫狗数据集(二)12:15
课时200视频Feedable iterator使用实例（一）13:27
课时201视频Feedable iterator使用实例（二）08:16
章节36:Tensorflow高级API——tf.layers模块
课时202视频tf.layers模块常用方法（一）20:00
课时203视频tf.layers模块常用方法（二）05:15
章节37:RNN循环神经网络试看
课时204视频RNN循环神经网络简介09:13可试看
课时205视频RNN识别Mnist手写数字数据集18:42
课时206视频美国航空公司Twitter评论数据集-数据预处理11:49
课时207视频美国航空公司Twitter评论数据集-RNN实现10:20
章节38:练习作业-搜狗实验室搜狐新闻数据分类
课时208视频练习作业-搜狗实验室搜狐新闻中文数据分类10:08
章节39:附：Anaconda与Jputer notebook安装使用技巧试看
课时209视频Anaconda的安装12:20可试看
课时210视频conda的使用10:50可试看
课时211视频Notebook页面介绍13:15
课时212视频Jupyter notebook使用技巧（一）11:14可试看
课时213视频Jupyter notebook技巧（二）
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。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。