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]

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。