TensorFlow从入门到精通
-
课程目标
本课程上半部分会从Tensorflow的安装开始，讲解Tensorflow中的各种技术细节。让大家快速上手编写神经网络。也会补充一些深度学习相关的理论知识，如交叉熵，Softmax函数，各种优化器的算法和应用等内容。 下半部分会讲解几个深度学习的项目，如图像识别，验证码识别，word2vec，语音分类等。
-
师资团队
-
华清创客企业内训讲师，均是来自各个领域的资深专家，均拥有6年以上大型项目经验。
-
培养对象
1、对深度学习感兴趣的学员
2、想从事深度学习相关工作的学员
3、想储备深度学习技能的学员 -
培训方式
第一种：华清创客讲师面授
课时：共4天，每天6学时，总计24学时
◆费用：3200元
◆外地学员：代理安排食宿（需提前预定）
第二种：线上直播授课
直播课时：共8天，每天3学时，总计24学时；
辅导：授课期间，辅导老师每天有1小时的辅导直播
◆费用：3200元
第三种：企业订制培训
课时：根据定制的大纲确定课时
费用：根据课程难度，每课时2000~3500元
-
-
质量保证
1、培训过程中，如有部分内容理解不透或消化不好，可免费在下期培训班中重听；
2、培训结束后免费提供一个月的技术支持，充分保证培训后出效果；
3、培训合格学员可享受免费推荐就业机会。
-
课程大纲
第一章：Tensorflow概述
1.1 tensorflow简介
1.2 Anaconda的安装
1.3 Tensorflow的安装
第二章：Tensorflow简单案例
2.1 创建图-启动图
2.2 变量
2.3 fetch and feed
2.4 Tensorflow简单案例
第三章：MNIST讲解
3.1 非线性回归
3.2 MNIST数据集和Softmax讲解
3.3 MNIST数据集分类简单版本
第四章：优化器介绍及使用
4.1 交叉熵(cross-entropy)
4.2 过拟合以及Dropout介绍
4.3 优化器Optimizer
4.4 优化器的使用
4.5 实操：网络优化
第五章：Tensorboard介绍及使用
5.1 Tensorboard网络结构
5.2 Tensorboard网络运行
5.3 Tensorboard可视化
第六章：CNN介绍和应用
6.1 卷积神经网络CNN介绍
6.2 CNN应用于MNIST数据集分类
6.3 实操：调试CNN结构和运行结果
第七章：LSTM介绍和使用
7.1 递归神经网络RNN
7.2 长短时记忆网络LSTM
7.3 LSTM网络程序
7.4 outputs和final state详解
第八章：图像识别
8.1 参数保存
8.2 模型保存
8.3 下载Google图像识别网络inception-v3并查看结构
8.4 实操：使用inception-v3做各种图像的识别
第九章：模型识别
9.1 GPU版本的Tensorflow安装
9.2 Retrain图像识别模型
9.3 实操：使用TFRecord训练图像识别模型
第十章：验证码处理
10.1 生成验证码
10.2 多任务学习
10.3 使用多任务学习完成验证码识别
10.4 检验验证码识别效果
10.5 实操：动手实现验证码识别
第十一章：word2vec介绍和实现
11.1 word2vec介绍和实现
11.2 实操：使用CNN完成文本分类
第十二章：语音信号处理以及完成分类
12.1 语音信号处理
12.2 实操：使用LSTM完成语音分类
- 已赞
