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 outputsfinal 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          



the end

评论(0)