〖课程介绍〗:
全民人工智能时代，不甘心只做一个旁观者，那就现在开始，从人工智能最流行的框架TensorFlow学起，本课程将手把手带你掌握TensorFlow技术，遵循从基础到实践应用的完整过程，是你通向人工智能开发的首选！
〖课程目录〗:
-
第1章 课程整体介绍1 节 | 17分钟
-
课程背景简介，项目成果演示，知识点和软件简介，让大家对接下来的学习心中有数
-
收起列表
-
视频：1-1 课程整体介绍及导学 (16:24)
-
第2章 人工智能基础知识 试看9 节 | 66分钟
-
人工智能、神经网络、机器学习、深度学习、激活函数、过拟合、卷积神经网络、循环神经网络等知识的循序渐进讲解。培养大家对课程的兴趣，了解人工智能前景，对人工智能抱持正确态度
-
收起列表
-
视频：2-1 什么是人工智能 (04:48)试看
-
视频：2-2 人工智能前景 (05:26)试看
-
视频：2-3 人工智能需要的基本数学知识 (01:57)试看
-
视频：2-4 人工智能简史 (07:47)
-
视频：2-5 AI、机器学习和深度学习的关联 (02:32)
-
视频：2-6 什么是机器学习 (19:05)
-
视频：2-7 面对AI，我们应有的态度 (05:16)
-
视频：2-8 什么是过拟合 (07:05)
-
视频：2-9 什么是深度学习 (11:08)
-
第3章 TensorFlow简介和开发环境搭建12 节 | 106分钟
-
TensorFlow是什么，TensorFlow原理和前景，TensorFlow和其他框架的对比（例如 Theano，ScikitLearn，Keras，Caffe2，PyTorch等）。开发环境搭建，并提供讲师已经配置好开发环境的虚拟机镜像
-
收起列表
-
视频：3-1 什么是TensorFlow (10:13)
-
视频：3-2 TensorFlow和其他机器学习库的对比1 (26:46)
-
视频：3-3 如何学习TensorFlow (11:42)
-
视频：3-4 TensorFlow前景 (03:59)
-
视频：3-5 如何使用课程提供的虚拟机文件 (07:15)
-
视频：3-6 安装VirtualBox (02:41)
-
视频：3-7 安装Ubuntu (15:29)
-
视频：3-8 配置Ubuntu系统 (05:46)
-
视频：3-9 安装python (04:02)
-
视频：3-10 安装TensorFlow（上） (10:42)
-
视频：3-11 安装TensorFLow（下） (05:47)
-
视频：3-12 安装python类库 (01:20)
-
第4章 TensorFlow原理与进阶（代码实践）36 节 | 459分钟
-
TensorFlow核心概念，TensorFlow激励函数，TensorFlow构建神经网络，TensorFlow优化器，可视化利器TensorBoard，TensorFlow解决过拟合，TensorFlow实现卷积神经网络和循环神经网络等。通过生动图文原理解释和实例，循序渐进掌握TensorFlow
-
收起列表
-
视频：4-1 从HelloWorld开始 (05:41)
-
视频：4-2 TensorFlow的编程模式 (02:55)
-
视频：4-3 TensorFlow的基础结构 (02:37)
-
视频：4-4 图和会话 (05:09)
-
视频：4-5 python常用库Numpy的使用 (11:39)
-
视频：4-6 什么是Tensor（上） (17:59)
-
视频：4-7 什么是Tensor（下） (16:26)
-
视频：4-8 图和会话原理及案例（上） (15:58)
-
视频：4-9 图和会话原理及案例（下） (11:47)
-
视频：4-10 可视化利器TensorBoard（上） (18:42)
-
视频：4-11 可视化利器TensorBoard（下） (17:52)
-
视频：4-12 酷炫模拟游乐园PlayGround (10:25)
-
视频：4-13 常用python库Matplotlib (16:32)
-
视频：4-14 综合小练习：梯度下降解决线性回归（上） (15:57)
-
视频：4-15 综合小练习：梯度下降解决线性回归（中） (11:38)
-
视频：4-16 综合小练习：梯度下降解决线性回归（下） (13:01)
-
视频：4-17 激活函数（上） (10:50)
-
视频：4-18 激活函数（下） (05:35)
-
视频：4-19 动手实现CNN卷积神经网络（一） (16:16)
-
视频：4-20 动手实现CNN卷积神经网络（二） (19:03)
-
视频：4-21 动手实现CNN卷积神经网络（三） (17:53)
-
视频：4-22 动手实现CNN卷积神经网络（四） (12:39)
-
视频：4-23 动手实现CNN卷积神经网络（五） (15:50)
-
视频：4-24 动手实现RNN-LSTM循环神经网络（一）：背景和知识点 (26:43)
-
视频：4-25 动手实现RNN-LSTM循环神经网络（二）：编写实用方法(上) (11:27)
-
视频：4-26 动手实现RNN-LSTM循环神经网络（三）：编写实用方法(中) (12:23)
-
视频：4-27 动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)1 (08:28)
-
视频：4-28 动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)2 (08:17)
-
视频：4-29 动手实现RNN-LSTM循环神经网络（五）：编写神经网络模型(上) (16:48)
-
视频：4-30 动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)1 (10:10)
-
视频：4-31 动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)2 (12:42)
-
视频：4-32 动手实现RNN-LSTM循环神经网络（七）：编写神经网络模型(下) (10:27)
-
视频：4-33 动手实现RNN-LSTM循环神经网络（八）：编写训练方法(上) (14:30)
-
视频：4-34 动手实现RNN-LSTM循环神经网络（九）：编写训练方法(下) (11:51)
-
视频：4-35 动手实现RNN-LSTM循环神经网络（十）：编写测试方法 (14:40)
-
视频：4-36 动手实现RNN-LSTM循环神经网络（十一）：实际训练和测试 (07:29)
-
第5章 案例一 会作曲的人工智能15 节 | 233分钟
-
结合RNN-LSTM开发能作出动听旋律的炫酷人工智能：背景和知识点简介，开发环境配置，原理讲解，代码实现，训练模型和测试
-
收起列表
-
视频：5-1 背景和知识点简介 (14:14)
-
视频：5-2 音乐和数学的联系 (06:56)
-
视频：5-3 什么是MIDI文件 (08:15)
-
视频：5-4 配置开发环境 (04:04)
-
视频：5-5 编写转换MIDI到MP3的方法 (08:42)
-
视频：5-6 python音乐库Music21的使用和测试方法 (11:30)
-
视频：5-7 编写整个神经网络模型 (40:53)
-
视频：5-8 编写从训练文件获取音符的方法 (15:39)
-
视频：5-9 编写从预测数据来生成音乐的方法 (16:15)
-
视频：5-10 编写训练神经网络的方法（一） (19:53)
-
视频：5-11 编写训练神经网络的方法（二） (19:32)
-
视频：5-12 编写训练神经网络的方法（三） (19:43)
-
视频：5-13 编写神经网络生成音乐的方法（一） (18:27)
-
视频：5-14 编写神经网络生成音乐的方法（二） (26:28)
-
视频：5-15 纯TensorFlow版的预告 (02:18)
-
第6章 案例二 会Photoshop的人工智能12 节 | 116分钟
-
结合DCGAN开发会PS的人工智能。从此P图不用愁，分分钟搞定N多图片的创建：背景和知识点简介，开发环境配置，原理讲解，代码实现，训练模型和测试
-
收起列表
-
视频：6-1 背景和知识点简介 (04:18)
-
视频：6-2 配置开发环境 (05:26)
-
视频：6-3 什么是GAN(生成对抗网络) (05:44)
-
视频：6-4 什么是DCGAN (06:44)
-
视频：6-5 编写DCGAN中的判别器模型（上） (13:10)
-
视频：6-6 编写DCGAN中的判别器模型（下） (13:45)
-
视频：6-7 编写DCGAN中的生成器模型 (09:17)
-
视频：6-8 编写训练神经网络的方法（上） (15:37)
-
视频：6-9 编写训练神经网络的方法（下） (13:39)
-
视频：6-10 编写神经网络生成图片的方法 (15:30)
-
视频：6-11 代码完成和测试模型 (09:28)
-
视频：6-12 纯TensorFlow版的预告 (02:18)
-
第7章 案例三 会开3D赛车的人工智能18 节 | 256分钟
-
结合深度强化学习中的A3C实现会开3D赛车的人工智能，学会自动驾驶：背景和知识点简介，开发环境配置，原理讲解，代码实现，训练模型和测试
-
收起列表
-
视频：7-1 背景和知识点简介 (08:59)
-
视频：7-2 强化学习的经典实验环境 (18:27)
-
视频：7-3 配置开发环境（1） (15:08)
-
视频：7-4 配置开发环境（2） (19:54)
-
视频：7-5 什么是强化学习 (19:45)
-
视频：7-6 什么是Q Learning (04:13)
-
视频：7-7 Q-Learning 实现机器人走迷宫：创建环境 (12:40)
-
视频：7-8 Q-Learning 实现机器人走迷宫：决策算法（1） (16:48)
-
视频：7-9 Q-Learning 实现机器人走迷宫：决策算法（2） (10:11)
-
视频：7-10 Q-Learning 实现机器人走迷宫：游戏主程序 (12:25)
-
视频：7-11 Deep Q Learning 实现迷宫游戏：决策算法（1） (15:34)
-
视频：7-12 Deep Q Learning 实现迷宫游戏：决策算法（2） (14:34)
-
视频：7-13 Deep Q Learning 实现迷宫游戏：决策算法（3） (14:24)
-
视频：7-14 Deep Q Learning 实现迷宫游戏：决策算法(4)和主程序 (12:31)
-
视频：7-15 Policy Gradient 实现 Gym 游戏 (15:30)
-
视频：7-16 A3C 实现 3D 赛车游戏：成果演示 (13:09)
-
视频：7-17 A3C实现3D赛车游戏：讲解A3C和编写环境 (14:51)
-
视频：7-18 A3C实现3D赛车游戏：编写A3C算法和主程序 (16:18)
-
第8章 知识点总结和课程延展5 节 | 40分钟
-
知识点总结，如何学习一门知识，如何深入人工智能和TensorFlow，如何学习数学和英语，TensorFlow还能做什么，等等。
-
收起列表
-
视频：8-1 总结陈词和补充 (07:32)
-
视频：8-2 如何学好英语 (07:30)
-
视频：8-3 如何学好数学 (06:51)
-
视频：8-4 如何学习一门技术及课程知识点总结 (11:05)
-
视频：8-5 深入AI和TensorFlow (06:15)
有需要联系v；加客服窗口的联系方式
摘要：本文深入探讨了如何利用Python和TensorFlow这一人工智能领域的热门框架进行应用实践。通过详细介绍TensorFlow的基本概念、安装配置、实战案例以及性能优化，帮助读者全面掌握TensorFlow在Python中的应用，助力人工智能项目开发。
1、TensorFlow基础
TensorFlow是由Google开发的开源机器学习框架，广泛应用于深度学习、自然语言处理等领域。它提供了丰富的API和工具，使得Python开发者可以轻松构建和训练复杂的机器学习模型。
TensorFlow的核心概念包括图（Graph）、节点（Node）、边（Edge）等。图是TensorFlow的核心数据结构，用于表示计算过程。节点代表计算操作，边则表示节点之间的依赖关系。
在TensorFlow中，开发者可以使用Python编写代码来构建图，并通过会话（Session）来执行图中的操作。此外，TensorFlow还提供了大量的预训练模型和工具，方便开发者快速进行模型训练和部署。
2、TensorFlow安装与配置
安装TensorFlow需要遵循以下步骤：
1）下载TensorFlow安装包：根据操作系统和Python版本选择合适的安装包。
2）安装依赖库：TensorFlow依赖于一些Python库，如NumPy、SciPy等，需要先安装这些依赖库。
3）安装TensorFlow：使用pip命令安装TensorFlow，例如：pip install tensorflow。
4）配置环境变量：在Windows系统中，需要将TensorFlow的安装路径添加到系统环境变量中。
3、TensorFlow实战案例
以下是一些TensorFlow的实战案例，帮助读者了解TensorFlow在实际应用中的使用方法。
1）线性回归：使用TensorFlow实现线性回归模型，用于预测房价。
2）神经网络：使用TensorFlow构建神经网络，用于图像识别和分类。
3）循环神经网络：使用TensorFlow实现循环神经网络，用于处理序列数据。
4、TensorFlow性能优化
为了提高TensorFlow的性能，可以从以下几个方面进行优化：
1）使用GPU加速：TensorFlow支持在GPU上运行，可以显著提高计算速度。
2）调整批处理大小：批处理大小对模型训练速度和性能有重要影响，需要根据实际情况进行调整。
3）使用分布式训练：对于大规模数据集和复杂模型，可以使用分布式训练来提高训练速度。
总结：
本文详细介绍了如何利用Python和TensorFlow进行人工智能应用实践。通过学习TensorFlow的基础知识、安装配置、实战案例以及性能优化，读者可以更好地掌握TensorFlow在Python中的应用，为人工智能项目开发提供有力支持。
本文由nayona.cn整理
联系我们
关注公众号
微信扫一扫
支付宝扫一扫
