课程介绍

深度学习初探——入门DL主流框架

注意:非会员用户不能保存实验环境,每次停止实验前需要将代码提交到Github进行保存,避免数据丢失

课程介绍

本训练营将通过8个实验,带领同学们入门 TensorFlow 、Theano 、Keras 及 Caffe 几个主流的深度学习框架。

课程主要通过让同学们动手操作搭建自己的神经网络模型,了解如何使用这些框架解决实际问题。对于涉及的各种算法的详细推导及思想将不会做过多讲解。

课程将基于每个框架的官方文档,先带大家熟悉框架中基本的定义、语法及常用函数(可看成深度模型的小零件),并在每个实验内容的最后都会综合这些零件搭建一个简易的神经深度网络模型。

课程特点

  • 提供完善的在线实验环境,保证可以完全在线完成所有实验,省去本地搭建环境的繁琐
  • 提供课程答疑服务,实验中遇到的问题都可以获得工程师解答
  • 实验步骤尽可能的详细,提供每个步骤的详细截图,确保你能完成所有实验操作
  • 1门课程便可初探TensorFlow、Theano、Keras 及 Caffe 几大主流的深度学习框架

适合人群

  • 具有一定python编程基础,对人工智能、深度学习感兴趣的同学

课程信息

  • 开课信息:随到随学,购买后立即加入
  • 学习周期:课程有效期1个月, 1个月后实验文档一直可以看,但无法进行在线实验
  • 企业团报:可获得更多支持服务,请点击购买咨询

课程安排

  • 第1节:Theano介绍及简单应用

    • Theano介绍及安装
    • Theano基本使用
    • Theano实现stacked Autoencoder(栈式自编码器)
  • 第2节:TensorFlow介绍及简单应用

    • TensorFlow介绍及安装
    • TensorFlow基本使用
    • TensorFlow实现Mnist手写体识别
  • 第3节:Keras介绍及手写数字体识别应用

    • Keras介绍及安装
    • Keras搭建神经网络
    • Keras实现MNIST手写体数字识别任务
  • 第4节:Scikit-Learn模型&Keras混合应用

    • Keras中的Scikit-Learn API接口介绍
    • 在Keras中使用Scikit-Learn模型
    • 利用Keras & Scikit-learn实现鸢尾花iris分类
  • 第5节:Keras搭建卷积神经网络CNN模型

    • 介绍卷积神经网络
    • Keras与卷积神经网络(CNN)
    • 利用Keras搭建卷积神经网络实现图片识别任务
  • 第6节:Keras实现简单递归神经网络RNN模型

    • 递归神经网络RNN的介绍
    • Keras中构建递归神经网络的基础部件
    • 利用Keras实现简单的RNN模型——sequence to sequence
  • 第7节:Caffe 介绍 & Caffe实现深度神经网络

    • Caffe的介绍及安装
    • Caffe中的基本概念及使用
    • 使用Caffe的python接口实现图片分类任务
  • 第8节:Caffe实现卷积神经网络模型

    • 图片分类任务的数据准备
    • 在caffe中进行卷积神经网络的定义
    • 网络训练及性能评估

常见问题

课程可以开具发票吗?

课程可以开具普通发票,请在购买后30天内填写发票需求表单:发票信息

课程中会介绍理论内容吗?

为了说清楚实验中的一些操作会加入理论内容。理论内容主要包括深度学习概念以及相关知识点的介绍等,动手实践的同时扎实理论基础。

每个实验需要多久时间完成?

每个实验规模有很大差异,需要1-3小时的动手操作时间。

实验中遇到问题怎么办?

问题欢迎随时在实验楼讨论区中提出, 也许其他学过的同学知道答案哦!

其他问题 >

课程教师

zyj061 共发布过 7 门课程

查看老师的所有课程 >
实验楼楼+
实验楼会员