玩转深度学习（2024版）_哔哩哔哩_bilibili

投稿

收藏

稿件投诉

记笔记

用手机看

玩转深度学习（2024版）

1.2万

已完结 · 共62课时

有效期3年

介绍CNN、RNN、LSTM等深度学习算法，及其TF实现。

发布者

关注

张文彤

张文彤博士，数据分析专家，在数据分析/挖掘，市场研究等领域深耕多年，出版多本软件教材、数据分析与挖掘专著，20+年数据分析/统计软件培训经验

课程概述

评论（0）

课程介绍

课程介绍

课程介绍

常见问题

Q：课程在什么时间更新？

A：课程更新频次以页面前端展示为准。购买成功后，课程更新将通过账号动态提示，方便及时观看。

Q：课程购买后有收看时间限制吗？

A：本课程购买后有效期3年，请知悉。

Q：原价购买课程后，如遇到优惠折扣，是否可以退还差价或重新购买？

A：虚拟商品付款后无法返还，请您随时留意各类课程折扣信息，按需购买。

Q：购买课程后是否可以加入老师的粉丝群或者用户群？

A：如老师设置用户群，我们将邀您加入，但我们无法承诺所有老师均提供用户群服务，感谢理解。

购买须知

1. 本内容为付费内容，购买成功后方可观看。

2. 本内容为虚拟服务，已购买内容不支持退款，敬请谅解。

3. 实际购买价格以页面展示的价格及订单结算页显示价格为准。

199 元/62课时立即购买

课程目录

仅看课时

附赠课件

课程群

章节选择

第1章深度学习概述

全集试看

1.1深度学习？深在哪里？！

视频课

15分8秒

2

全集试看

1.2课程内容介绍

视频课

8分3秒

3

全集试看

1.3如何选择各种深度学习模型？

视频课

9分26秒

4

全集试看

1.4图像的数据表示方式

视频课

11分59秒

5

全集试看

1.5图像与数据的互相转换

视频课

13分18秒

6

全集试看

1.6Mnist数据集介绍

视频课

7分18秒

7

全集试看

1.7Cifar10数据集介绍

视频课

6分33秒

8

全集试看

1.8什么是张量？

视频课

9分22秒

第2章磨刀不误砍柴工

9

2.1Keras+Tensorflow组合的优势

视频课

6分27秒

10

2.2Keras+Tensorflow组合的安装

视频课

5分47秒

11

2.3我该用Tensorflow1还是2？

视频课

8分39秒

12

2.4如何用笔记本显卡做GPU计算

视频课

10分31秒

第3章神经网络模型入门

13

3.1神经网络的基本原理

视频课

16分34秒

14

3.2神经网络原理的具体演示

视频课

18分43秒

15

3.3神经网络的算法实质

视频课

8分44秒

16

3.4神经网络的连接函数

视频课

7分3秒

17

3.5损失函数与凸函数

视频课

9分13秒

18

3.6控制模型复杂度：正则化

视频课

9分51秒

19

3.7损失函数的求解：梯度下降法

视频课

10分6秒

20

3.8损失函数的求解：自适应算法

视频课

13分39秒

第4章 Keras操作入门

21

4.1keras的基本操作步骤

视频课

18分46秒

22

4.2Keras操作的常用命令

视频课

10分55秒

23

4.3iris分析实例

视频课

9分14秒

24

4.4模型的可视化

视频课

10分20秒

25

4.5模型的终止训练、保存与载入

视频课

11分57秒

26

4.6模型的修改

视频课

8分11秒

27

4.7将Keras与sklearn结合使用

视频课

7分10秒

28

4.8MNIST实例

视频课

11分21秒

第5章卷积神经网络（CNN）

29

5.1什么是卷积？

视频课

12分36秒

30

5.2CNN的基本原理

视频课

17分5秒

31

5.3CNN网络的结构

视频课

11分7秒

32

5.4Keras中和CNN有关的层设定

视频课

6分32秒

33

5.5MNIST实例的CNN实现

视频课

10分8秒

34

5.6对CIFAR10案例拟合简单CNN模型

视频课

7分48秒

35

5.7对CIFAR10案例拟合复杂CNN模型

视频课

7分40秒

第6章图像预处理

36

6.1缺少源数据对建模的影响

视频课

5分4秒

37

6.2定义所需的图像变换方法

视频课

15分39秒

38

6.3生成变换后的图像数据

视频课

7分10秒

39

6.4流式数据处理

视频课

10分51秒

40

6.5图像的缩放操作

视频课

6分34秒

第7章迁移学习

41

7.1为什么需要迁移学习？

视频课

15分21秒

42

7.2LeNet和AlexNet

视频课

8分22秒

43

7.3VGG

视频课

13分42秒

44

7.4ResNet

视频课

5分53秒

45

7.5GoogleNet

视频课

6分24秒

46

7.6其他网络

视频课

7分

47

7.7Keras提供的预训练模型

视频课

6分52秒

48

7.8直接应用原模型做预测

视频课

12分3秒

49

7.9用原模型对数据做预处理

视频课

12分29秒

50

7.10Keras的函数式API

视频课

16分16秒

51

7.11在原模型的基础上继续训练

视频课

12分31秒

第8章循环神经网络（RNN）

52

8.1循环神经网络（RNN）的基本原理

视频课

15分31秒

53

8.2RNN的种类

视频课

13分20秒

54

8.3RNN相关的网络层定义

视频课

10分54秒

55

8.4用RNN拟合MNIST案例

视频课

11分10秒

56

8.5RNN拟合IMDB案例

视频课

15分6秒

第9章长短期记忆网络（LSTM）

57

9.1长短期记忆网络（LSTM）的基本原理

视频课

13分

58

9.2用LSTM拟合IMDB案例

视频课

13分6秒

59

9.3自动写作案例：数据准备

视频课

13分56秒

60

9.4自动写作案例：模型拟合

视频课

11分22秒

61

9.5GRU的基本原理

视频课

5分19秒

62

9.6用GRU拟合IMDB案例

视频课

8分18秒

相关推荐