学习+科研+做项目 Tensorflow最全详细讲解

【莫烦Python】Tensorflow 搭建自己的神经网络
tensorflow2.0入门与实战 2019年最通俗易懂的课程
【北京大学】Tensorflow2.0

更多资料请关注公众号：计算机视觉与图形学实战

【莫烦Python】Tensorflow 搭建自己的神经网络

目录（播放量120.5万次）
P1 科普: 人工神经网络 VS 生物神经网络 04:40
P3 神经网络 : 梯度下降 (Gradient Descent in Neural Nets) 04:08
P5 1 why? 01:14
P7 3 例子1 02:28
P9 5 例子2 12:56
P11 7 Variable 变量 06:10
P13 什么是激励函数 (深度学习)? 03:49
P15 10 例子3 添加层 def add_layer() 07:01
P17 12 例子3 结果可视化Plot result 09:51
P19 13 优化器 optimizer 06:23
P21 15 Tensorboard 可视化好帮手2 10:33
P23 什么是过拟合 (深度学习)? 04:23
P25 什么是卷积神经网络 CNN (深度学习)? 05:39
P27 18.2 CNN 卷积神经网络 11:32
P29 19 Saver 保存读取 13:11
P31 什么是 LSTM RNN 循环神经网络 (深度学习)? 03:55
P33 20.2 RNN lstm 循环神经网络 (分类例子) 23:18
P35 20.4 RNN lstm (回归例子可视化) 05:59
P37 21 自编码 Autoencoder (非监督学习) 11:21
P39 什么是 Batch Normalization 批标准化 (深度学习 deep learning) 05:09
P41 24 2017年新版更新 06:48
P43 什么是迁移学习 transfer learning 04:48

tensorflow2.0入门与实战 2019年最通俗易懂的课程

目录 播放量（46.8万）
P1 1.课程简介 10:45
P2 2.1 最新 Tensorflow 2.3 CPU 版本极简安装 14:34
P3 2.2 最新 Tensorflow 2.3 GPU 版本极简安装 14:14
P4 3.机器学习原理-线性回归 13:41
P5 4.tf.keras实现线性回归 12:31
P6 5.梯度下降算法 10:13
P7 6.多层感知器（神经网络）与激活函数 09:31
P8 7.多层感知器（神经网络）的代码实现 13:05
P9 8.逻辑回归与交叉熵 05:26
P10 9.逻辑回归实现 11:58
P11 10.softmax多分类 10:15
P12 11.softmax多分类代码实现- fashion mnist数据分类实例 12:36
P13 12.独热编码与交叉熵损失函数 10:42
P14 13.优化函数、学习速率、反向传播算法 11:40
P15 14.网络优化与超参数选择 08:15
P16 15.Dropout抑制过拟合与网络参数选择总原则 12:49
P17 16.Dropout与过拟合抑制 07:05
P18 17. 函数式API与多输入输出模型（一） 07:57
P19 18. 函数式API与多输入输出模型（二） 06:34
P20 19. 课程整体框架介绍 14:07

【北京大学】Tensorflow2.0

目录（播放量 29.5万）
P1 0开篇语-全 08:37
P3 1.2神经网络设计过程 14:15
P5 1.4TF2常用函数1 08:01
P7 1.6鸢尾花数据集读入 04:03
P9 2.1-预备知识 05:26
P11 2.3-激活函数 05:23
P13 2.5-缓解过拟合 10:56
P15 3.1搭建网络八股sequential 13:07
P17 3.3MNIST数据集 07:06
P19 4.1搭建网络八股总览 03:25
P21 4.3数据增强 03:13
P23 4.5参数提取 02:11
P25 4.7给图识物 06:05
P27 5.2感受野 04:12
P29 5.4TF描述卷积计算层 01:50
P31 5.6池化 02:28
P33 5.8卷积神经网络 01:19
P35 5.10卷积神经网络搭建示例 07:32
P37 5.12AlexNet 05:28
P39 5.14InceptionNet 09:55
P41 5.16经典卷积网络小结 01:14
P43 6.2循环核时间步展开 01:28
P45 6.4TF描述循环计算层 02:59
P47 6.6字母预测onehot_1pre1 04:58
P49 6.8字母预测onehot_4pre1 05:18
P51 6.10字母预测Embedding_1pre1 04:00
P53 6.12RNN实现股票预测 05:58
P55 6.14GRU实现股票预测(GRU计算过程_TF描述GRU层) 03:00