[176] 基于 Python 的 TensorFlow 应用实践 -

[176] 基于 Python 的 TensorFlow 应用实践风筝自习室-课程资源-网盘资源风筝自习室
[176] 基于 Python 的 TensorFlow 应用实践 -
此内容为付费阅读,请付费后查看
500积分
付费阅读

image

网站资源均收集于公开网络,仅供学习和交流。版权归版权人所有,所标价格为资源收集整理费用,如喜欢作品请支持正版。

网盘链接:

1. 课程整体介绍

  • 1-1 课程整体介绍及导学

2. 人工智能基础知识

  • 2-1 什么是人工智能
  • 2-2 人工智能前景
  • 2-3 人工智能需要的基本数学知识
  • 2-4 人工智能简史
  • 2-5 AI、机器学习和深度学习的关联
  • 2-6 什么是机器学习
  • 2-7 面对AI,我们应有的态度
  • 2-8 什么是过拟合
  • 2-9 什么是深度学习

3. TensorFlow简介和开发环境搭建

  • 3-1 什么是TensorFlow
  • 3-2 TensorFlow和其他机器学习库的对比1
  • 3-3 如何学习TensorFlow
  • 3-4 TensorFlow前景
  • 3-5 如何使用课程提供的虚拟机文件
  • 3-6 安装VirtualBox
  • 3-7 安装Ubuntu
  • 3-8 配置Ubuntu系统
  • 3-9 安装Python
  • 3-10 安装TensorFlow(上)
  • 3-11 安装TensorFLow(下)
  • 3-12 安装Python类库

4. TensorFlow原理与进阶(代码实践)

  • 4-1 从HelloWorld开始
  • 4-2 TensorFlow的编程模式
  • 4-3 TensorFlow的基础结构
  • 4-4 图和会话
  • 4-5 Python常用库Numpy的使用
  • 4-6 什么是Tensor(上)
  • 4-7 什么是Tensor(下)
  • 4-8 图和会话原理及案例(上)
  • 4-9 图和会话原理及案例(下)
  • 4-10 可视化利器TensorBoard(上)
  • 4-11 可视化利器TensorBoard(下)
  • 4-12 酷炫模拟游乐园PlayGround
  • 4-13 常用Python库Matplotlib
  • 4-14 综合小练习:梯度下降解决线性回归(上)
  • 4-15 综合小练习:梯度下降解决线性回归(中)
  • 4-16 综合小练习:梯度下降解决线性回归(下)
  • 4-17 激活函数(上)
  • 4-18 激活函数(下)
  • 4-19 动手实现CNN卷积神经网络(一)
  • 4-20 动手实现CNN卷积神经网络(二)
  • 4-21 动手实现CNN卷积神经网络(三)
  • 4-22 动手实现CNN卷积神经网络(四)
  • 4-23 动手实现CNN卷积神经网络(五)
  • 4-24 动手实现RNN-LSTM循环神经网络(一):背景和知识点
  • 4-25 动手实现RNN-LSTM循环神经网络(二):编写实用方法(上)
  • 4-26 动手实现RNN-LSTM循环神经网络(三):编写实用方法(中)
  • 4-27 动手实现RNN-LSTM循环神经网络(四):编写实用方法(下)1
  • 4-28 动手实现RNN-LSTM循环神经网络(四):编写实用方法(下)2
  • 4-29 动手实现RNN-LSTM循环神经网络(五):编写神经网络模型(上)
  • 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
  • 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
  • 4-32 动手实现RNN-LSTM循环神经网络(七):编写神经网络模型(下)
  • 4-33 动手实现RNN-LSTM循环神经网络(八):编写训练方法(上)
  • 4-34 动手实现RNN-LSTM循环神经网络(九):编写训练方法(下)
  • 4-35 动手实现RNN-LSTM循环神经网络(十):编写测试方法
  • 4-36 动手实现RNN-LSTM循环神经网络(十一):实际训练和测试

5. 案例一 会作曲的人工智能

  • 5-1 背景和知识点简介
  • 5-2 音乐和数学的联系
  • 5-3 什么是MIDI文件
  • 5-4 配置开发环境
  • 5-5 编写转换MIDI到MP3的方法
  • 5-6 Python音乐库Music21的使用和测试方法
  • 5-7 编写整个神经网络模型
  • 5-8 编写从训练文件获取音符的方法
  • 5-9 编写从预测数据来生成音乐的方法
  • 5-10 编写训练神经网络的方法(一)
  • 5-11 编写训练神经网络的方法(二)
  • 5-12 编写训练神经网络的方法(三)
  • 5-13 编写神经网络生成音乐的方法(一)
  • 5-14 编写神经网络生成音乐的方法(二)
  • 5-15 纯TensorFlow版的预告

6. 案例二 会Photoshop的人工智能

  • 6-1 背景和知识点简介
  • 6-2 配置开发环境
  • 6-3 什么是GAN(生成对抗网络)
  • 6-4 什么是DCGAN
  • 6-5 编写DCGAN中的判别器模型(上)
  • 6-6 编写DCGAN中的判别器模型(下)
  • 6-7 编写DCGAN中的生成器模型
  • 6-8 编写训练神经网络的方法(上)
  • 6-9 编写训练神经网络的方法(下)
  • 6-10 编写神经网络生成图片的方法
  • 6-11 代码完成和测试模型
  • 6-12 纯TensorFlow版的预告

7. 案例三 会开3D赛车的人工智能

  • 7-1 背景和知识点简介
  • 7-2 强化学习的经典实验环境
  • 7-3 配置开发环境(1)
  • 7-4 配置开发环境(2)
  • 7-5 什么是强化学习
  • 7-6 什么是Q Learning
  • 7-7 Q-Learning 实现机器人走迷宫:创建环境
  • 7-8 Q-Learning 实现机器人走迷宫:决策算法(1)
  • 7-9 Q-Learning 实现机器人走迷宫:决策算法(2)
  • 7-10 Q-Learning 实现机器人走迷宫:游戏主程序
  • 7-11 Deep Q Learning 实现迷宫游戏:决策算法(1)
  • 7-12 Deep Q Learning 实现迷宫游戏:决策算法(2)
  • 7-13 Deep Q Learning 实现迷宫游戏:决策算法(3)
  • 7-14 Deep Q Learning 实现迷宫游戏:决策算法(4)和主程序
  • 7-15 Policy Gradient 实现 Gym 游戏
  • 7-16 A3C 实现 3D 赛车游戏:成果演示
  • 7-17 A3C实现3D赛车游戏:讲解A3C和编写环境
  • 7-18 A3C实现3D赛车游戏:编写A3C算法和主程序

8. 知识点总结和课程延展

  • 8-1 总结陈词和补充
  • 8-2 如何学好英语
  • 8-3 如何学好数学
  • 8-4 如何学习一门技术及课程知识点总结
  • 8-5 深入AI和TensorFlow
© 版权声明
THE END
加入本站 VIP,免费下载本站所有内容
点赞14 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容