实战：Google工程师亲授 Tensorflow2.0－入门到进阶

•  

• 第1章 Tensorflow简介与环境搭建

  本门课程的入门章节，简要介绍了tensorflow是什么，详细介绍了Tensorflow历史版本变迁以及tensorflow的架构和强大特性。并在Tensorflow1.0、pytorch、Tensorflow2.0之间做了对比。最后通过实战讲解了在Google cloud和AWS两个平台上的环境配置。

  •  1-1 课程导学试看
  •  1-2 Tensorflow是什么
  •  1-3 Tensorflow版本变迁与tf1.0架构
  •  1-4 Tensorflow2.0架构试看
  •  1-5 Tensorflow&pytorch比较试看
  •  1-6 Tensorflow环境配置
  •  1-7 Google_cloud无GPU环境搭建
  •  1-8 Google_cloud_远程jupyter_notebook配置
  •  1-9 Google_cloud_gpu_tensorflow配置
  •  1-10 Google_cloud_gpu_tensorflow镜像配置
  •  1-11 AWS云平台环境配置

• 第2章 Tensorflow keras实战

  本门课程的基础章节，详细介绍了如何使用tf.keras进行模型的搭建以及大量的深度学习的理论知识。理论知识包括分类问题、回归问题、损失函数、神经网络、激活函数、dropout、批归一化、深度神经网络、Wide&Deep模型、密集特征、稀疏特征、超参数搜索等及其在图像分类、房价预测上的实现。...

  •  2-1 tfkeras简介
  •  2-2 分类回归与目标函数
  •  2-3 实战分类模型之数据读取与展示
  •  2-4 实战分类模型之模型构建
  •  2-5 实战分类模型之数据归一化
  •  2-6 实战回调函数
  •  2-7 实战回归模型
  •  2-8 神经网络讲解
  •  2-9 实战深度神经网络
  •  2-10 实战批归一化、激活函数、dropout
  •  2-11 wide_deep模型
  •  2-12 函数API实现wide&deep模型
  •  2-13 子类API实现wide&deep模型
  •  2-14 wide&deep模型的多输入与多输出实战
  •  2-15 超参数搜索
  •  2-16 手动实现超参数搜索实战
  •  2-17 实战sklearn封装keras模型
  •  2-18 实战sklearn超参数搜索

• 第3章 Tensorflow基础API使用