深度學習框架-Keras基礎入門系列-覃秉豐-專題視訊課程
阿新 • • 發佈:2019-01-03
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
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.
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.
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