深度學習框架-Keras基礎入門系列—1817人已學習
課程介紹    

    Keras是一種高度模組化，使用簡單上手快，合適深度學習初學者使用的深度學習框架。Keras由純Python編寫而成並以Tensorflow、Theano以及CNTK為後端。Keras為支援實驗而生，能夠把你的idea迅速轉換為結果。 對於深度學習的初學者，或者覺得Tensorflow,Caffe等框架學習困難難以上手的人，可以考慮學習Keras。
課程收益
    Keras課程會分為上下兩部分，上半部分課程會一步一步從Keras環境安裝開始講解，並從最基礎的Keras實現線性迴歸，非線性迴歸，手寫數字分類模型開始講起。逐步講到一些深度學習網路的應用如CNN，LSTM。下半部分會使用Keras完成一些實際專案的應用。
講師介紹
    覃秉豐 更多講師課程
    機器學習，深度學習神經網路領域多年開發研究經驗，精通演算法原理與程式設計實踐。曾完成過多項影象識別，目標識別，語音識別的實際專案，經驗豐富。關注深度學習領域各種開源專案，如TensorFlow，Caffe，Torch等。喜歡理論與實踐相結合的教學風格，課程編排由淺入深，體系清晰完整。
課程大綱
  第1章:Keras簡介，Keras安裝。
    1. 1.Keras介紹  4:55
    2.

2.Anaconda的安裝  8:13
    3. 3.Tensorflow的安裝  5:24
    4. 4.Keras的安裝  5:19
  第2章:Keras實現線性迴歸，非線性迴歸，手寫數字分類。
    1. 5.實現線性迴歸  20:28
    2. 6.實現非線性迴歸  17:20
    3.

7.MNIST資料集以及Softmax介紹  10:23
    4. 8.MNIST分類程式  18:53
  第3章:交叉熵，過擬合，dropout，正則化以及優化器介紹。
    1. 9.交叉熵的介紹和應用  15:39
    2. 10.過擬合,Dropout,正則化介紹  21:58
    3. 11.google神經網路小工具  22:26
    4. 12.Dropout應用  12:28
    5. 13.正則化應用  5:34
    6. 14.優化器介紹及應用  23:37
  第4章:卷積神經網路CNN的講解及應用。
    1. 15.卷積神經網路介紹  26:48
    2. 16.CNN應用於手寫數字識別  11:17
  第5章:遞迴神經網路LSTM的講解及應用。
    1. 17.遞迴神經網路RNN  11:03
    2. 18.長短時記憶網路LSTM  19:14
    3. 19.RNN應用  8:05
    4. 20模型的儲存和載入  8:11
大家可以點選【 檢視詳情】檢視我的課程