• 投稿

【最完整版】深度学习与TensorFlow2入门实战（附源码和课件）

26万
3459
2021-01-27 09:30:31
2403
1194
1万
1191
来自网上深度学习与TensorFlow教程 毫不夸张得说，TensorFlow的流行让深度学习门槛变得越来越低，只要你有Python和机器学习基础，入门和使用神经网络模型变得非常简单。TensorFlow支持Python和C++两种编程语言，再复杂的多层神经网络模型都可以用Python来实现，如果业务使用其他编程也不用担心，使用跨语言的gRPC或者HTTP服务也可以访问使用TensorFlow训练好的智能模型。 本课程仅供学习使用，若侵权，联系删除！
科学
人工智能
模型
编程
深度学习/TensorFlow
计算
生物信息学
经验分享
数据处理
学习心得
生信曲线 发消息
生信小白在曲线中的自我救赎之路(公众号：生信曲线），生信与统计交流群1>满：383459380；2群:757381141
视频选集
（1/173）
【01.深度学习初见】课时1 深度学习框架介绍-1
10:22
课时2 深度学习框架介绍-2
09:57
课时3 开发环境安装-1
10:23
课时4 开发环境安装-2
11:58
【02.选看】开发环境全程实录 课时5 win10平台实录-1
29:52
课时6 win10平台实录-2
23:28
课时7 Ubuntu平台实录-cuda安装
10:16
课时8 Ubuntu平台实录-anaconda安装
10:01
课时9 Ubuntu平台实录-tensorlow、pytorch安装
14:49
课时10 Ubuntu平台实录-pycharm安装
05:46
【03.回归问题】课时11 线性回归-1
08:04
课时12 线性回归-2
10:42
课时13 回归问题实战-1
07:35
课时14 回归问题实战-2
11:06
课时15 手写数字问题-1
11:33
课时16 手写数字问题-2
09:19
课时17 手写数字问题-3
10:12
课时18 手写数字问题初体验-1
09:13
课时19 手写数字问题初体验-2
07:59
【04.基础操作】20 tensorflow数据类型-1
12:03
课时21 tensorflow数据类型-2
11:48
课时22 创建Tensor-1
10:42
课时23 创建Tensor-2
09:55
课时24 创建Tensor-3
07:13
课时25 索引与切片-1
10:38
课时26 索引与切片-2
11:19
课时27 索引与切片-3
06:43
课时28 索引与切片-4
13:18
课时29 索引与切片-5
12:30
课时30 维度变换-1
11:52
课时31 维度变换-2
12:12
课时32 维度变换-3
08:20
课时33 Broadcasting-1
11:27
课时34 Broadcasting-2
10:56
课时35 数学运算
13:27
课时36 前向传播（张量）-实战-1
10:04
课时37 前向传播（张量）-实战-2
10:34
课时38 前向传播（张量）-实战-3
10:11
课时39 前向传播（张量）-实战-4
10:23
【05.高阶操作】40 合并与分割
13:01
课时41 数据统计
14:30
课时42 张量排序-1
08:43
课时43 张量排序-2
12:41
课时44 填充与复制
13:04
课时45 张量限幅-1
10:12
课时46 张量限幅-2
10:50
课时47 高阶操作-1
10:06
课时48 高阶操作-2
09:32
【06.神经网络与全连接层】课时49 数据加载-1
10:02
课时50 数据加载-2
07:39
课时51 数据加载-3
09:13
课时52 测试（张量）实战
15:37
课时53 全连接层-1
10:40
课时54 全连接层-2
11:00
课时55 输出方式
12:44
课时56 误差计算-1
10:08
课时57 误差计算-2
10:21
课时58 误差计算-3
11:50
【07 随机梯度下降】课时59 梯度下降-简介-1
07:42
课时60 梯度下降-简介-2
09:32
课时61 常见函数的梯度
00:08
课时62 激活函数及其梯度
15:34
课时63 损失函数及其梯度-1
08:14
课时64 损失函数及其梯度-2
12:33
课时65 单输出感知机梯度
12:48
课时66 多输出感知机梯度
13:16
课时67 链式法则
12:58
课时68 反向传播算法-1
10:11
课时69 反向传播算法-2
09:55
课时70 函数优化实战
08:33
课时71 手写数字问题实战（层）-1
10:05
课时72 手写数字问题实战（层）-2
10:35
课时73 手写数字问题实战（层）-3
11:36
课时74 TensorBoard可视化-1
10:05
课时75 TensorBoard可视化-2
10:06
【08.Keras高层接口】76 Keras高层API-1
08:57
课时77 Keras高层API-2
08:03
课时78 Keras高层API-3
08:12
课时79 自定义层或网络-1
09:14
课时80 自定义层或网络-2
09:58
课时81 模型保存与加载
10:54
课时82 CIFAR10自定义网络实战-1
10:05
课时83 CIFAR10自定义网络实战-2
10:03
课时84 CIFAR10自定义网络实战-3
11:45
【09.过拟合】课时85 过拟合与欠拟合
14:24
课时86 交叉验证-1
10:26
课时87 交叉验证-2
13:23
课时87 Regularization
12:55
课时88 动量与学习率
14:08
课时89 Early stopping，Dropout
14:54
【10.卷积神经网络】 什么是卷积-1
10:05
092 什么是卷积-2
10:03
093 什么是卷积-3
09:04
094 什么是卷积-4
07:04
课时90 卷积神经网络-1
10:37
课时91 卷积神经网络-2
10:32
课时92 卷积神经网络-3
09:23
课时93 卷积神经网络-4
11:18
课时94 池化与采样
07:23
课时95 CIFAR100与VGG13实战-1
10:15
课时96 CIFAR100与VGG13实战-2
09:56
课时97 CIFAR100与VGG13实战-3
10:13
课时98 CIFAR100与VGG13实战-4
07:11
课时99 经典卷积网络VGG, GoogLeNet, Inception-1
10:16
课时100 经典卷积网络VGG, GoogLeNet, Inception-2
08:58
课时101 batchnorm
13:28
107 batchnorm2
12:32
课时102 ResNet, DenseNet - 1
12:04
课时103 ResNet, DenseNet - 2
12:34
课时104 ResNet实战-1
10:22
课时105 ResNet实战-2
10:07
课时106 ResNet实战-3
10:20
课时107 ResNet实战-4
11:50
【11.循环神经网络RNN】 GRU原理与实战
13:51
课时108 序列表示方法-1
11:46
课时109 序列表示方法-2
12:28
课时110 循环神经网络层-1
10:50
课时111 循环神经网络层-2
12:16
课时112 RNNCell使用-1
10:21
课时113 RNNCell使用-2
08:49
课时114 RNN与情感分类问题实战-加载IMDB数据集
10:42
课时115 RNN与情感分类问题实战-单层RNN Cell
10:31
课时116 RNN与情感分类问题实战-网络训练
09:43
课时117 RNN与情感分类问题实战-多层RNN Cel
09:54
125 - lstm-1
13:11
126 - lstm-2
06:49
127 - LSTM实战
11:51
课时118 梯度弥散与梯度爆炸
13:38
【12.Auto-Encoders】课时119 无监督学习
10:08
课时120 Auto-Encoders原理
10:15
课时121 Auto-Encoders变种
10:18
课时122 Adversarial Auto-Encoders
10:12
课时123 Variational Auto-Encoders引入
10:02
课时124 Reparameterization Trick
10:41
课时125 Variational Auto-Encoders原理
11:02
课时126 Auto-Encoders实战-创建编解码器
09:24
课时127 Auto-Encoders实战-训练
09:22
课时128 Auto-Encoders实战-测试
09:22
课时129 VAE实战-创建网络
09:27
课时130 VAE实战-KL Divergence计算
12:42
课时131 VAE实战-训练与测试
11:46
课时132 数据的分布
09:00
课时133 画家的成长历程
13:05
课时134 GAN原理
10:03
课时135 纳什均衡-D
09:58
课时136 纳什均衡-G
13:43
课时137 JS散度的缺陷
16:37
课时138 EM距离
09:58
课时139 WGAN-GP原理
16:23
课时140 GAN实战-1
10:21
课时141 GAN实战-2
10:00
课时142 GAN实战-3
10:11
课时143 GAN实战-4
11:01
课时144 GAN实战-5
08:34
课时145 GAN实战-6
07:43
课时146 WGAN实战-1
11:08
课时147 WGAN实战-2
09:46
课时148 生物神经元结构
04:07
课时149 感知机的提出
10:08
课时150 BP神经网络
10:08
课时151 CNN和LSTM的发明
10:20
课时152 人工智能低谷
10:08
课时153 深度学习的诞生
10:14
课时154 深度学习的爆发
12:14
课时155 权值的表示
10:06
课时156 多层感知机的实现
10:19
课时157 BP神经网络前向传播
10:07
课时158 BP神经网络反向传播-1
10:11
课时159 BP神经网络反向传播-2
10:07
课时160 BP神经网络反向传播-3
10:19
课时161 多层感知机的训练
10:25
课时162 多层感知机的测试
12:07
课时163 实战小结
07:14

【2027版】这绝对是B站最好的Pytorch天花板教程，从入门到实战，通俗易懂，一套解决Pytorch框架所有问题！深度学习/人工智能/神经网络
想学大模型
38.8万 851

【Transformer】最强动画讲解！目前B站最全最详细的Transformer教程，2025最新版！从理论到实战，通俗易懂解释原理，草履虫都学的会！
科研大佬发论文
64.4万 1413

Python性能这么差，为什么会在AI中大量使用
夏曹俊
19.3万 87

强推！这绝对是2025年MATLAB入门天花板教程！3小时入门到精通，全程干货讲解，就怕你不学！（机器学习/深度学习/人工智能）
人工智能博士
6万 57

【中英字幕】麻省理工学院 - MIT - 线性代数_中英文版，美女学霸助教：陈莉楠（我愿称为最详细的教程，没有之一）
安心嘻嘻嘻
13.6万 171

（双语字幕）2026年公认最好的【吴恩达深度学习课程】deeplearning.ai（coursera）| 附课件、代码及实战项目
吴恩达机器学习_StanFord
45.9万 333

超全超简单！一口气刷完CNN、RNN、GAN、GNN、DQN、Transformer、LSTM、DBN等八大深度学习神经网络算法！从理论到实战，真的比刷剧还爽！
迪哥带你学AI
16.3万 154

【中英双语】ChatGPT背后的数学原理是什么？带你看懂Transformer模型的数学矩阵实现！
StatQuest
15.4万 191

【2026版】李沐动手学深度学习系列课程！包含深度学习、机器学习算法、神经网络、计算机视觉物体检测、迁移学习、大模型微调等人工智能核心知识点！就怕你学不会！
深度学习项目实战
78.5万 1219

【对新手非常友好】三小时深度学习PyTorch快速入门！包教会你的！ --人工智能/深度学习/pytorch
吴恩达AI_AndrewNg
12.4万 239

【B站最全】清华大佬144集讲完的人工智能教程！从小白到学神！2025清华内部版人工智能入门基础，深度学习、机器学习、神经网络、OpenCV一口气学完！
人工智能基础
26.8万 181

【通俗易懂】5分钟带你简单理解卷积神经网络CNN，AI领域的关键底层算法入门，带你玩转AI大模型，小白也能轻松看懂！
Agent开发-
13.6万 244

吹爆！这绝对是B站最好的人工智能入门天花板教程，整整400集，清华大佬强力打造，从入门到进阶，全程干货讲解，零基础也能轻松学会！-人工智能丨机器学习丨神经网络
人工智能-Pytorch
12.7万 361

膜拜！中科院大佬张平竟把微积分讲的如此简单！（完整版）草履虫都能听懂！这么好的课程还没人看？我不更了！！！
Python小能
9.1万 215

从零开始带你手敲深度学习模型训练、推理代码，吃透一个完整的项目框架！实时教学修改报错
DT算法工程师前钰
9.7万 96

8年经验告诉你，学人工智能的顺序千万别搞反了！初学者必看，博士精讲人工智能及算法原理，实战少走弯路！！！AI人工智能/深度学习/机器学习
学点AI算法吧
203.3万 332

深度学习从0配置环境到复现跑通代码(全网最真实的装环境，状况百出)，绝不是提前配置好。手把手教学。你一定看得懂。
Larry同学
23万 472

【复旦大学公开课】复旦邱锡鹏教授的《神经网络与深度学习》最新版视频教程终于更新了！！比啃书效果好多了，草履虫都能看懂！计算机视觉/图像处理/机器学习/人工智能
科研大佬发论文
13.2万 152

研0和研1如何上手深度学习及定方向
Larry同学
10.2万 92

浙江大学侯廷军教授-基于AI的药物发现：机遇与挑战
生信曲线
1.4万 4
展开
用AI为孩子打造优质启蒙动画
客服
顶部
赛事库 课堂 2021拜年纪