《深度学习框架Tensorflow学习与应用》 2017年3月开课6月结束(第三期)-炼数成金
深度学习作为一门理论和实践相结合的学科,在新的算法理论不断涌现的同时,各种深度学习框架也不断出现在人们视野。比如Torch,MxNet,theano,Caffe等等。Google在2015年11月9日宣布开源自己的第二代机器学习系统Tensorflow。深度学习是未来新产品和新技术的一个关键部分。在这个领域的研究是全球性的,并且发展很快,却缺少一个标准化的工具。Google希望把Tensorflow做成深度学习行业的标准。1 @$ A6 R/ n6 v( X7 |4 j; r3 D# y8 S9 G1 n/ I
Tensorflow支持python和c++语言,支持CNN、RNN和LSTM等算法,可以被用于语音识别或图像处理等多项深度学习领域。它可以在一个或多个CPU或GPU中运行。它可以运行在嵌入式系统(如手机,平板电脑)中,PC中以及分布式系统中。它是目前全世界最火爆的深度学习平台(没有之一)。) ^6 s: z5 u, a: r Y% [
课程内容基本上是以代码编程为主,也会有少量的深度学习理论内容。课程会从Tensorflow最基础的图(graphs),会话(session),张量(tensor),变量(Variable)等一些最基础的知识开始讲起,逐步讲到Tensorflow的基础使用,以及在Tensorflow中CNN和LSTM的使用。在课程的后面会带着大家做几个实际的项目,比如训练自己的模型去进行图像识别,使用Tensorflow进行验证码的识别,以及Tensorflow在NLP中的使用。
# `# P0 M' d" Y5 E0 u& I' L
授课时间:
本期课程将于3月23日开始。课程持续时间大约为14周。3 R( E. e6 \" C+ s' u# T
1 {6 c3 x* \; t: {$ ~6 F- t+ c$ I
课程大纲:
第一课 Tensorflow简介,Anaconda安装,Tensorflow的CPU版本安装。0 m {& f( M2 M. D
第二课 Tensorflow的基础使用,包括对图(graphs),会话(session),张量(tensor),变量(Variable)的一些解释和操作。& O* M/ b$ T* s9 A3 r& ~4 g
第三课 Tensorflow线性回归以及分类的简单使用。
第四课 softmax,交叉熵(cross-entropy),dropout以及Tensorflow中各种优化器的介绍。& {- h u4 c) P8 a1 l: Q* u) q! H
第五课 卷积神经网络CNN的讲解,以及用CNN解决MNIST分类问题。1 o) J* a/ c5 p m
第六课 使用Tensorboard进行结构可视化,以及网络运算过程可视化。/ ^3 m4 p9 O+ E' \! g
第七课 递归神经网络LSTM的讲解,以及LSTM网络的使用。! z' I+ c9 y% {9 q$ d, O2 R
第八课 保存和载入模型,使用Google的图像识别网络inception-v3进行图像识别。
第九课 Tensorflow的GPU版本安装。设计自己的网络模型,并训练自己的网络模型进行图像识别。+ Q% p# y0 q. c" m
第十课 使用Tensorflow进行验证码识别。
第十一课 Tensorflow在NLP中的使用(一)。6 J. S8 }+ l9 H/ G% I2 E# w3 A7 c8 D
第十二课 Tensorflow在NLP中的使用(二)。8 E) |3 V/ i1 `! P; ]
课程环境:
Windows10 + Anaconda6 t/ S" \" d* H
! N' l+ E+ c3 C, c6 f" I( w
下载链接:hel
|