课程介绍
TensorFlow 2.0 已经发布一年多了，但仍有大量的开发者不愿意从 1.x 升级，或从其他框架迁移。事实上，TensorFlow 2 不仅继承了 Keras 快速使用和易于使用的特点也扩展了原有的特点 Keras 不支持的分布式训练和整合 TF 其他生态组件(如 TF Serving、TF Lite、TF Hub、TFX 等)，能有效提高生产环境的稳定性和可维护性。
对于学习者来说，从工具的使用到实际作战项目的实施，还有很长的路要走，还有很多坑要填。可以说，基于顺利实施 TensorFlow 2 的 AI 项目不是一件容易的事情。
因此，我们希望通过本课程帮助学生理解 AI 着陆的设计理念和经验，手把手带你完整的着陆 AI 项目，知道这个过程中会有哪些坑，如何避免。同时，你可以通过实战进一步提升自己 AI 技术，实现正确 TensorFlow 2 熟练使用。
课程目录
01.课程介绍:AI进步需要实施实战.mp4
02.内容总结:如何快速学习AI和Tensorflow2.mp4
Tensorflow2新特性.mp4
Tensorflow2核心模块.mp4
TensorFlow2vsTensorFlow1.x.mp4
TensorFlow2落地应该是06.mp4
Tensorflow2开发环境.mp4
Tensorflow2数据导入和使用.mp4
09丨使用tf.keras.datasets加载数据.mp4
10丨使用tf.管理Sequential模型的keras.mp4
11丨使用tf.keras管理functionalAPI.mp4
FashionMNIST数据集介绍.mp4
使用TensorFlow2训练分类网络.mp4
14.行业背景:什么是AI新零售？.mp4
15.用户需求:如何提高线下门店的业绩？.mp4
16.长期标准:货架数字化和业务智能化.mp4
17.短期目标:自动化展示审核和推广管理.mp4
18.方案设计:基于深度学习的测试.mp4
19.方案交付:支持AI在线识别和API调用 SaaS 已学完.mp4
20.基础:定义和解释目标检测问题.mp4
21.基础:深度学习在目标检测中的应用.mp4
22.理论R-CNN系列二阶段模型综述.mp4
23.理论:YOLO系列一阶段模型概述.mp4
24应用:Retinanet和Facolloss带来了什么？.mp4
25.应用:检测数据标记的方法和流程.mp4
26.应用:将检测训练集划分为个人测试集.mp4
27.应用程序：生成CSV格式数据集和标记.mp4
28.应用:使用Tensorflow2训练Retinanet.mp4
29.应用:用Retinanet检测货架商品.mp4
30.扩展：目标检测常用数据集总结.mp4
31.扩展:目标检测介绍更多应用场景.mp4
32.基础:图像分类问题的定义和说明.mp4
基础：图像分类网络越来越深.mp4
34丨应0：SKU抠图和分类标注过程.mp4
35.应用：分类训练集和验证集分类.mp4
36丨应0：4Tensorflow2训练Resnet.mp4
37.应用:用Resnet识别货架商品.mp4
扩展：图像分类常用数据集综述.mp4
39.扩展:更多的图像分类应介绍3个场景.mp4
40.串联AI流程理论：商品检测和商品识别.mp4
41.串联AI流程实战:商品检测和商品识别.mp4
42.展示AI效果理论:OpenCV可视化识别结果.mp4
43.显示AI效果的实战:OpenCV可视化识别结果.mp4
44丨搭建AI SaaS理论:Web框架选型.mp4
45.构建AISaaS理论:数据库ORM选型.mp4
46.构建AISaaS理论:AISaaSaS快速开发10分钟.mp4
建立AISAAS实战，10分钟快速开发AISAAS.mp4
交付AISaSaSaSaS：快速掌握容器部署10分钟.mp4
交付AISaSaSaSaS：亲自测试AISaSaSaS.mp4
50.使Tensorflow2实现图像数据增强.mp4
51使TensorFlow2实现分布式训练.mp4
52使TensorflowHub迁移学习.mp4
53丨使@tf.function提升性能.mp4
使TensorFlowServing部署云服务.mp4
55.使Tensorflowlite实现边缘智能.mp4
56丨结束语.mp4
[我要扒资料]
