利用 TensorFlow* 的应用深度学习

第 1 周

在本周课程中,您将学习 TensorFlow 的基础知识,以及如何使用 TensorFlow 来定义和运行计算图。

下载

第 2 周

复习机器学习基础,从线性回归、损失函数和梯度下降开始。学习如何在 TensorFlow 中实施基本梯度下降。

下载

第 3 周

复习正态化和正则化知识。探索神经网络,以及如何将神经网络映射至 TensorFlow*。从单一神经元开始,应用一个激活函数,学习神经元的层次,最后理解这如何转换为前馈网络。

下载

第 4 周

学习有关批量处理,以及如何使用批量处理来帮助训练网络。发现使用全批量、迷你批量或随机梯度下降的方法。学习如何实施多级分类、使用反向传播来更新网络权重,以及辨别要使用的激活函数的类型。查看如何使用删节来平滑化解决方案,并避免让单一神经元来支配网络。

下载

第 5 周

学习有关内核以及内核如何应用于卷积神经网络 (CNN) 的知识。探讨卷积神经网络 (CNN) 中的不同参数以及池化 (pooling) 层可如何帮助。综述 LeNet* 拓扑,以及该拓扑如何涵盖前面几课中讨论的不同卷积神经网络 (CNN) 层。

下载

第 6 周

了解 AlexNet 拓扑及其与 LeNet 之比较。考察如何为卷积神经网络 (CNN) 使用基本模板。学习如何在 TensorFlow* 中保存和载入模型。学习有关动量及一些有助于正则化神经网络的优化器(如 AdaGrad (自适应梯度下降)、RMSProp (均方根传播) 和 Adam)的知识。

下载

第 7 周

初步了解迁移学习、张量和操作的基本概念。观察如何将它们应用于经过训练的现有模型并加速您自己的训练。了解批量正态化及其重要性,以及如何在 TensorFlow 中实施批量正态化。简短考察视觉几何组 (VGG) 及其与其他网络之比较。

下载

第 8 周

学习 TFRecords 格式以及如何自创 TFRecord。还学习 TensorFlow 队列及其如何加速数据交付。

下载