課程簡(jiǎn)介
人工智能圖像識(shí)別課程
目標(biāo)收益
1）覆蓋Tensorflow和Tensorflow可視化TensorBoard及原理
2）從TF數(shù)據(jù)預(yù)處理到建模訓(xùn)練，從圖像預(yù)處理到網(wǎng)絡(luò)模型，一一覆蓋
3）精講圖像識(shí)別對(duì)比等最新案例
培訓(xùn)對(duì)象
課程大綱
|
第一天 1.Tensorflow基礎(chǔ) |
計(jì)算圖的概念與使用 張量的概念與使用 Tensorflow與session Tensorflow playground與非線性切分案例 |
| 2.詳解深度神經(jīng)網(wǎng)絡(luò)案例 |
線性與非線性模型 多種場(chǎng)景與損失函數(shù) 過(guò)擬合、學(xué)習(xí)率與滑動(dòng)平均模型 完成一個(gè)深度神經(jīng)網(wǎng)絡(luò)案例 |
| 3.卷積神經(jīng)網(wǎng)絡(luò)與圖像應(yīng)用 |
經(jīng)典數(shù)據(jù)集與應(yīng)用 卷積神經(jīng)網(wǎng)絡(luò)與圖像識(shí)別：從LeNet-5到google inception V3 物體檢測(cè)與google object detection |
|
第二天 4.海量圖像訓(xùn)練預(yù)處理 |
Tensorflow TFRecord輸入數(shù)據(jù)格式與數(shù)據(jù)隊(duì)列 Tensorflow 圖像預(yù)處理功能 多線程輸入數(shù)據(jù)處理框架 高效Tensorflow圖像應(yīng)用 |
| 5.圖片識(shí)別的原理及應(yīng)用案例 |
建立圖片對(duì)比網(wǎng)絡(luò)模型 基于Tensorflow的圖像對(duì)比識(shí)別案例 |
| 6.Tensorboard工具與模型優(yōu)化 |
Tensorboard簡(jiǎn)介 命名空間與Tensorboard可視化 模型狀態(tài)評(píng)估與優(yōu)化 圖像比賽與優(yōu)化案例 |
|
第一天 1.Tensorflow基礎(chǔ) 計(jì)算圖的概念與使用 張量的概念與使用 Tensorflow與session Tensorflow playground與非線性切分案例 |
|
2.詳解深度神經(jīng)網(wǎng)絡(luò)案例 線性與非線性模型 多種場(chǎng)景與損失函數(shù) 過(guò)擬合、學(xué)習(xí)率與滑動(dòng)平均模型 完成一個(gè)深度神經(jīng)網(wǎng)絡(luò)案例 |
|
3.卷積神經(jīng)網(wǎng)絡(luò)與圖像應(yīng)用 經(jīng)典數(shù)據(jù)集與應(yīng)用 卷積神經(jīng)網(wǎng)絡(luò)與圖像識(shí)別：從LeNet-5到google inception V3 物體檢測(cè)與google object detection |
|
第二天 4.海量圖像訓(xùn)練預(yù)處理 Tensorflow TFRecord輸入數(shù)據(jù)格式與數(shù)據(jù)隊(duì)列 Tensorflow 圖像預(yù)處理功能 多線程輸入數(shù)據(jù)處理框架 高效Tensorflow圖像應(yīng)用 |
|
5.圖片識(shí)別的原理及應(yīng)用案例 建立圖片對(duì)比網(wǎng)絡(luò)模型 基于Tensorflow的圖像對(duì)比識(shí)別案例 |
|
6.Tensorboard工具與模型優(yōu)化 Tensorboard簡(jiǎn)介 命名空間與Tensorboard可視化 模型狀態(tài)評(píng)估與優(yōu)化 圖像比賽與優(yōu)化案例 |
近期公開(kāi)課推薦
