
深度學習Tensorflow培訓
深度學習及CNN
1. 深度學習簡介
2. 談談CNN
3. 正向傳播與反向求導及練習
4. CNN模型的推導與實現(xiàn)
5. CNN應用:物體分類
6. CNN 常見問題與總結
RNN和LSTM
7. RNN
8. RNN的反向求導及練習
9. RNN模型的推導與實現(xiàn)
10. RNN應用:個性化電影推薦
11. RNN常見問題與總結
12. LSTM
13. LSTM模型的推導與實現(xiàn)
14. LSTM的反向求導及練習
15. LSTM應用:文本識別
16. LSTM常見問題總結
DNN
17. DNN
18. DNN模型的推導與實現(xiàn)
19. DNN的反向求導及練習
20. DNN應用:CTR預估
21. DNN常見問題總結
垂直應用領域
22. 概述
23. 目標檢測:ObjectDetection
24. 文本相關(NLP):Word2Vec、CBOW、DSSM
25. 聲紋識別:DNN
26. 文字識別(OCR):VGGNet、CNN
深度學習框架及Tensorflow
27. 業(yè)界主流深度學習框架
Tensorflow、PyTorch、Paddle、Oneflow
28. TensorFlow和其他深度學習框架的對比
29. Tensorflow 特性
30. Tensorflow 下載及安裝
Tensorflow
31. 架構原理
32. Tensorflow基本使用
33. TensorFlow實現(xiàn)多層感知機
34. TensorFlow實現(xiàn)進階的卷積網(wǎng)絡
35. TensorFlow實現(xiàn)經(jīng)典卷積神經(jīng)網(wǎng)絡
36. TensorFlow實現(xiàn)ResNet
模型訓練
37. 模型訓練技巧與方法
1)數(shù)據(jù)樣本處理 2)調參 3)模型調優(yōu)
38. 梯度下降優(yōu)化方法
39. Tensorflow 實現(xiàn)循環(huán)神經(jīng)網(wǎng)絡及Word2Vec
1)Tensorflow 實現(xiàn)Word2Vec 2)Tensorflow 實現(xiàn)基于LSTM的語言模型
深度強化學習和遷移學習
40. 深度強化學習簡介
41. TensorFlow實現(xiàn)策略網(wǎng)絡
42. TensorFlow實現(xiàn)估值網(wǎng)絡
43. 遷移學習簡介
44. 遷移學習的理論概述
45. 遷移學習的常見方法及案例
TensorBoard、多GPU并行及分布式并行
46. TensorBoard介紹及使用
47. 多GPU并行訓練
48. 分布式訓練
49. AI平臺及整體流程簡介
實戰(zhàn)案例與總結
實戰(zhàn):Python中實現(xiàn)缺陷檢測模型搭建:根據(jù)某工業(yè)生產元件構建缺陷異常檢測系統(tǒng)
50. 實戰(zhàn):用TensorFlow搭建圖像識別系統(tǒng)
51. 總結Q&A