深度学习初探——入门DL主流框架 训练营

关注
368人关注 13人评论

本课程将通过8个实验,带领同学们入门TensorFlow、Theano、Keras 及 Caffe 几个主流的深度学习框架,通过项目实践使同学了解如何利用这些框架搭建自己的深度学习神经网络。课程将基于每个框架的官方文档,先带大家熟悉框架中基本的定义语法及常用函数(可看成深度模型的小零件),并在每个实验内容的最后都会综合这些零件搭建一个简易的神经深度网络模型。十分适合具有一定python编程基础,对人工智能、深度学习感兴趣的同学。

¥59.00 ¥129.00 特价
优惠 标准会员再享 8 优惠,本课程仅需 47.2 立即开通>
立即购买
自学困难重重?点这里,9周打通机器学习技术路径
实验1
Theano介绍及简单应用(免费试学)
知识点: 1.Tensor:张量,经典的方法把张量视为多维数组,它们是标量,1维向量和2维矩阵的n维推广。张量的"分量"是数组中的值。这个思想可以进一步推广到张量场,那里张量的元素是函数,甚至微分。——引自维基百科 2.GPU:graphicsprocessingunit,图形处理器 3.Numpy:python中有关数值计算的库 4.Matrixconventions(矩阵约定)formachinelearning:矩阵中的每行都是一个例子。如一个10行5列的矩阵inputs[10,5],代表着10个5维的实例。 5.Broadcasting:Numpy进行数值运算时广播不同维度的矩阵。如,当一个较小的矩阵a(`$$12$$`维)与一个较大的矩阵b(`$$23$$`维)进行加法运算时,numpy会将矩阵a广播为与矩阵b兼容的矩阵维度,再进行运算。也可通过下图帮助理解。
实验2
TensorFlow介绍及简单应用
实验3
Keras介绍及手写数字体识别应用
实验4
Scikit-Learn模型&Keras混合应用
实验5
Keras搭建卷积神经网络CNN模型
实验6
Keras实现简单递归神经网络RNN模型
实验7
Caffe 介绍 & Caffe实现深度神经网络
实验8
Caffe实现卷积神经网络模型
登录 后发表评论
最新评论
全部 第1节 第2节 第3节 第4节 第5节 第6节 第7节 第8节
课程
咨询

0% Complete

加载中,精彩就在后面...

卡住了?点击重试