架構師_程序員

 找回密碼
 注冊[Register]

QQ登錄

只需一步,快速開始

查看: 258|回復: 2

[教學視頻] Google老師親授 TensorFlow2.0 入門到進階

[復制鏈接]
跳轉到指定樓層
樓主
發表于 2019-11-6 08:02:38
zu
課程介紹
課程以Tensorflow2.0框架為主體,以圖像分類、房價預測、文本分類、文本生成、機器翻譯、泰坦尼克生存預測等項目為依托,講解Tensorflow框架的使用方法,讓學員獲得靈活使用Tensorflow的能力,同時學習到相關的深度學習/機器學習知識,達到初級深度學習工程師的水平

課程目錄
Tensorflow簡介與環境搭建
本門課程的入門章節,簡要介紹了tensorflow是什么,詳細介紹了Tensorflow歷史版本變遷以及tensorflow的架構和強大特性。并在Tensorflow1.0、pytorch、Tensorflow2.0之間做了對比。最后通過實戰講解了在Google cloud和AWS兩個平臺上的環境配置。
1-1 課程導學
1-2 Tensorflow是什么
1-3 Tensorflow版本變遷與tf1.0架構
1-4 Tensorflow2.0架構
1-5 Tensorflow&pytorch比較
1-6 Tensorflow環境配置;
1-7 Google_cloud無GPU環境搭建
1-8 Google_cloud遠程jupyternotebook配置
1-9 Google_cloud_gpu_tensorflow配置
1-10 Google_cloud_gpu_tensorflow鏡像配置
1-11 AWS云平臺環境配置

Tensorflow keras實戰
本門課程的基礎章節,詳細介紹了如何使用tf.keras進行模型的搭建以及大量的深度學習的理論知識。理論知識包括分類問題、回歸問題、損失函數、神經網絡、激活函數、dropout、批歸一化、深度神經網絡、Wide&Deep模型、密集特征、稀疏特征、超參數搜索等及其在圖像分類、房價預測上的實現。
2-1 tfkeras簡介
2-2 分類回歸與目標函數
2-3 實戰分類模型之數據讀取與展示
2-4 實戰分類模型之模型構建
2-5 實戰分類模型之數據歸一化
2-6 實戰回調函數
2-7 實戰回歸模型
2-8 神經網絡講解
2-9 實戰深度神經網絡
2-10 實戰批歸一化、激活函數、dropout
2-11 wide_deep模型
2-12 函數API實現wide&deep模型
2-13 子類API實現wide&deep模型
2-14 wide&deep模型的多輸入與多輸出實戰
2-15 超參數搜索
2-16 手動實現超參數搜索實戰
2-17 實戰sklearn封裝keras模型
2-18 實戰sklearn超參數搜索

Tensorflow基礎API使用
接上一節課中使用高級抽象的API tf.keras搭建模型,本節課則介紹了基礎的API來方便大家更加靈活的定義和使用模型。課程內容包括tensorflow基礎數據類型、自定義模型和損失函數、自定義求導、tf.function、圖結構等以及其在圖像分類、房價預測上的實現。
3-1 tf基礎API引入
3-2 實戰tf.constant1
3-3 實戰tf.strings與ragged tensor
3-4 實戰sparse tensor與tf.Variable
3-5 實戰自定義損失函數與DenseLayer回顧
3-6 使子類與lambda分別實戰自定義層次
3-7 tf.function函數轉換
3-8 @tf.function函數轉換
3-9 函數簽名與圖結構
3-10 近似求導)
3-11 tf.GradientTape基本使用方法
3-12 tf.GradientTape與tf.keras結合使用
3-13 章節總結

Tensorflow dataset使用
介紹Tensorflow dataset空間下API的使用,dataset API主要用于讀取數據。本屆課程通過在房價預測問題上的實戰詳細的介紹如何使用tf.dataset讀取csv文件和tfrecord文件。
4-1 data_API引入
4-2 tf_data基礎API使用
4-3 生成csv文件
4-4 tf.io.decode_csv使用
4-5 tf.data讀取csv文件并與tf.keras結合使用
4-6 tfrecord基礎API使用
4-7 生成tfrecords文件
4-8 tf.data讀取tfrecord文件并與tf.keras結合使用
4-9 章節總結

Tensorflow Estimator使用與tf1.0
本節課分為兩部分,第一部分介紹tensorflow中estimator和特征列的API的使用,estimator是和keras平級的用于模型抽象的高級API,會使用泰坦尼克生存預測項目來詳細的講解特征抽取和estimator使用。學習完以上的基礎知識后,在第二部分中會講解tf1.0的知識點來方便大家對比2.0與1.0的區別。
5-1 課程引入
5-2 泰坦尼克問題引入分析
5-3 feature_column使用
5-4 keras_to_estimator
5-5 預定義estimator使用
5-6 交叉特征實戰
5-7 TF1.0引入
5-8 TF1.0計算圖構建
5-9 TF1.0模型訓練
5-10 TF1_dataset使用
5-11 TF1自定義estimator
5-12 API改動升級與課程總結5

卷積神經網絡
本節課程依托圖像分類與兩個Kaggle數據集項目,主要講解卷積神經網絡,包括卷積、池化、卷積網絡、數據增強、遷移學習等知識。詳細的講解了卷積操作的過程。同時還對如何使用Kaggle平臺上的GPU進行的講解。
6-1 卷積神經網絡引入與總體結構
6-2 卷積解決的問題
6-3 卷積的計算
6-4 池化操作
6-5 卷積神經網絡實戰
6-6 深度可分離卷積網絡
6-7 深度可分離卷積網絡實戰
6-8 Kaggle平臺與10monkeys數據集介紹
6-9 Keras generator讀取數據
6-10 10monkeys基礎模型搭建與訓練
6-11 10monkeys模型微調
6-12 keras generator讀取cifar10數據集
6-13 模型訓練與預測
6-14 章節總結

循環神經網絡
本節課程依托文本分類和文本生成兩個項目,對序列式問題、循環神經網絡、LSTM、雙向LSTM等模型進行了詳細的講解和實戰。
7-1 循環神經網絡引入與embedding
7-2 數據集載入與構建詞表索引
7-3 數據padding、模型構建與訓練
7-4 序列式問題與循環神經網絡
7-5 循環神經網絡實戰文本分類
7-6 文本生成之數據處理
7-7 文本生成實戰之構建模型
7-8 文本生成實戰之采樣生成文本
7-9 LSTM長短期記憶網絡
7-10 LSTM文本分類與文本生成實戰
7-11 subword文本分類之數據集載入與tokenizer
7-12 subword文本分類之dataset變換與模型訓練
7-13 章節總結

Tensorflow分布式
本節課程依托圖像分類項目,對tensorflow框架中的分布式原理和策略進行了詳細的講解,并在實戰中予以實現。尤其是對參數服務器的分布式的并行架構進行詳細的闡述。
8-1 課程引入與GPU設置
8-2 GPU默認設置
8-3 內存增長和虛擬設備實戰
8-4 GPU手動設置實戰
8-5 分布式策略
8-6 keras分布式實戰
8-7 estimator分布式實戰
8-8 自定義流程實戰
8-9 分布式自定義流程實戰

Tensorflow模型保存與部署(未完待續)
本節課程依托圖像分類項目,對tensorflow模型和部署進行了詳細的講解,包括普通的模型保存、tflite的使用、模型的android的部署、在js上的部署等以及對應的實戰。
9-1 課程引入與TFLite
9-2 保存模型結構加參數與保存參數實戰
9-3 Keras模型轉化為SavedModel
9-4 簽名函數轉化為SavedModel
9-5 簽名函數,SavedModel和Keras模型到具體函數轉換
9-6 tflite保存與解釋與量化

機器翻譯
本節課程依托機器翻譯項目,對transformer模型進行了詳細的講解,包括可縮放點積注意力、多頭注意力等知識。并對該模型進行了實現。同時,講解了tensorflow中常用算法庫tensor2tensor的使用,并使用tensor2tensor中已有的最新算法在圖像分類和機器翻譯上進行了最高效果的訓練。
10-1 課程引入與seq2seq+attention模型講解
10-2 數據預處理理與讀取
10-3 數據id化與dataset生成
10-4 Encoder構建
10-5 attention構建
10-6 Decoder構建
10-7 損失函數與單步訓練函數
10-8 模型訓練
10-9 模型預測實現
10-10 樣例例分析與總結
10-11 Transformer模型總體架構
10-12 Encoder-Decoder架構與縮放點擊注意力
10-13 多頭注意力與位置編碼
10-14 Add、Normalize、Decoding過程與總結
10-15 數據預處理與dataset生成
10-16 位置編碼
10-17 mask構建
10-18 縮放點積注意力機制實現
10-19 縮放點積注意力機制實現
10-20 多頭注意力機制實現
10-21 feedforward層次實現
10-22 EncoderLayer實現
10-23 DecoderLayer實現
10-24 EncoderModel實現
10-25 DecoderModel實現
10-26 Transformer實現
10-27 自定義學習率
10-28 Mask創建與使用
10-29 模型訓練
10-30 模型預測實現
10-31 attention可視化
10-32 示例展示與實戰總結
10-33 GPT與Bert與課程總結

鏈接: https://pan.baidu.com/s/1ItjLYP8bzX3x_UieYzhKZQ
提取碼:
游客,如果您要查看本帖隱藏內容請回復






上一篇:我與祖國共奮進團日活動PPT4套
下一篇:樊登讀書會2013-2019年合集
帖子永久地址: 

架構師_程序員 - 論壇版權1、本主題所有言論和圖片純屬會員個人意見,與本論壇立場無關
2、本站所有主題由該帖子作者發表,該帖子作者與架構師_程序員享有帖子相關版權
3、其他單位或個人使用、轉載或引用本文時必須同時征得該帖子作者和架構師_程序員的同意
4、帖子作者須承擔一切因本文發表而直接或間接導致的民事或刑事法律責任
5、本帖部分內容轉載自其它媒體,但并不代表本站贊同其觀點和對其真實性負責
6、如本帖侵犯到任何版權問題,請立即告知本站,本站將及時予與刪除并致以最深的歉意
7、架構師_程序員管理員和版主有權不事先通知發貼者而刪除本文

碼農網,只發表在實踐過程中,遇到的技術難題,不誤導他人。
需要更多學習資源請掃二維碼
沙發
發表于 2019-11-6 16:33:19
感謝樓主分享
碼農網,只發表在實踐過程中,遇到的技術難題,不誤導他人。
板凳
發表于 2019-11-9 11:20:16
感謝樓主分享
碼農網,只發表在實踐過程中,遇到的技術難題,不誤導他人。
您需要登錄后才可以回帖 登錄 | 注冊[Register]

本版積分規則

免責聲明:
碼農網所發布的一切軟件、編程資料或者文章僅限用于學習和研究目的;不得將上述內容用于商業或者非法用途,否則,一切后果請用戶自負。本站信息來自網絡,版權爭議與本站無關。您必須在下載后的24個小時之內,從您的電腦中徹底刪除上述內容。如果您喜歡該程序,請支持正版軟件,購買注冊,得到更好的正版服務。如有侵權請郵件與我們聯系處理。

Mail To:help@itsvse.com

QQ|Archiver|手機版|小黑屋|架構師 ( 魯ICP備14021824號-2 )|網站地圖

GMT+8, 2020-1-21 09:44

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回復 返回頂部 返回列表
吉林快三走势图