深度学习框架-Keras基础入门系列—1817人已学习
课程介绍
Keras是一种高度模块化，使用简单上手快，合适深度学习初学者使用的深度学习框架。Keras由纯Python编写而成并以Tensorflow、Theano以及CNTK为后端。Keras为支持实验而生，能够把你的idea迅速转换为结果。 对于深度学习的初学者，或者觉得Tensorflow,Caffe等框架学习困难难以上手的人，可以考虑学习Keras。
课程收益
Keras课程会分为上下两部分，上半部分课程会一步一步从Keras环境安装开始讲解，并从最基础的Keras实现线性回归，非线性回归，手写数字分类模型开始讲起。逐步讲到一些深度学习网络的应用如CNN，LSTM。下半部分会使用Keras完成一些实际项目的应用。
讲师介绍
覃秉丰 更多讲师课程
机器学习，深度学习神经网络领域多年开发研究经验，精通算法原理与编程实践。曾完成过多项图像识别，目标识别，语音识别的实际项目，经验丰富。关注深度学习领域各种开源项目，如TensorFlow，Caffe，Torch等。喜欢理论与实践相结合的教学风格，课程编排由浅入深，体系清晰完整。
课程大纲
第1章:Keras简介，Keras安装。
1. 1.Keras介绍 4:55
2. 2.Anaconda的安装 8:13
3. 3.Tensorflow的安装 5:24
4. 4.Keras的安装 5:19
第2章:Keras实现线性回归，非线性回归，手写数字分类。
1. 5.实现线性回归 20:28
2. 6.实现非线性回归 17:20
3. 7.MNIST数据集以及Softmax介绍 10:23
4. 8.MNIST分类程序 18:53
第3章:交叉熵，过拟合，dropout，正则化以及优化器介绍。
1. 9.交叉熵的介绍和应用 15:39
2. 10.过拟合,Dropout,正则化介绍 21:58
3. 11.google神经网络小工具 22:26
4. 12.Dropout应用 12:28
5. 13.正则化应用 5:34
6. 14.优化器介绍及应用 23:37
第4章:卷积神经网络CNN的讲解及应用。
1. 15.卷积神经网络介绍 26:48
2. 16.CNN应用于手写数字识别 11:17
第5章:递归神经网络LSTM的讲解及应用。
1. 17.递归神经网络RNN 11:03
2. 18.长短时记忆网络LSTM 19:14
3. 19.RNN应用 8:05
4. 20模型的保存和载入 8:11
大家可以点击【 查看详情】查看我的课程
课程介绍
Keras是一种高度模块化，使用简单上手快，合适深度学习初学者使用的深度学习框架。Keras由纯Python编写而成并以Tensorflow、Theano以及CNTK为后端。Keras为支持实验而生，能够把你的idea迅速转换为结果。 对于深度学习的初学者，或者觉得Tensorflow,Caffe等框架学习困难难以上手的人，可以考虑学习Keras。
课程收益
Keras课程会分为上下两部分，上半部分课程会一步一步从Keras环境安装开始讲解，并从最基础的Keras实现线性回归，非线性回归，手写数字分类模型开始讲起。逐步讲到一些深度学习网络的应用如CNN，LSTM。下半部分会使用Keras完成一些实际项目的应用。
讲师介绍
覃秉丰 更多讲师课程
机器学习，深度学习神经网络领域多年开发研究经验，精通算法原理与编程实践。曾完成过多项图像识别，目标识别，语音识别的实际项目，经验丰富。关注深度学习领域各种开源项目，如TensorFlow，Caffe，Torch等。喜欢理论与实践相结合的教学风格，课程编排由浅入深，体系清晰完整。
课程大纲
第1章:Keras简介，Keras安装。
1. 1.Keras介绍 4:55
2. 2.Anaconda的安装 8:13
3. 3.Tensorflow的安装 5:24
4. 4.Keras的安装 5:19
第2章:Keras实现线性回归，非线性回归，手写数字分类。
1. 5.实现线性回归 20:28
2. 6.实现非线性回归 17:20
3. 7.MNIST数据集以及Softmax介绍 10:23
4. 8.MNIST分类程序 18:53
第3章:交叉熵，过拟合，dropout，正则化以及优化器介绍。
1. 9.交叉熵的介绍和应用 15:39
2. 10.过拟合,Dropout,正则化介绍 21:58
3. 11.google神经网络小工具 22:26
4. 12.Dropout应用 12:28
5. 13.正则化应用 5:34
6. 14.优化器介绍及应用 23:37
第4章:卷积神经网络CNN的讲解及应用。
1. 15.卷积神经网络介绍 26:48
2. 16.CNN应用于手写数字识别 11:17
第5章:递归神经网络LSTM的讲解及应用。
1. 17.递归神经网络RNN 11:03
2. 18.长短时记忆网络LSTM 19:14
3. 19.RNN应用 8:05
4. 20模型的保存和载入 8:11
大家可以点击【 查看详情】查看我的课程