100053201-TensorFlow 2项目进阶实战 - 手把手带你打通AI项目落地全流程

网盘链接：

课程简介

• 01 | 课程介绍：AI进阶需要落地实战
• 02 | 内容综述：如何快速⾼效学习AI与TensorFlow 2

基础理论篇：TensorFlow 2设计思想

• 03 | TensorFlow 2新特性
• 04 | TensorFlow 2核心模块
• 05 | TensorFlow 2 vs TensorFlow 1.x
• 06 | TensorFlow 2落地应⽤

快速上手篇：动⼿训练模型和部署服务

• 07 | TensorFlow 2开发环境搭建
• 08 | TensorFlow 2数据导入与使⽤
• 09 | 使用tf.keras.datasets加载数据
• 10 | 使用tf.keras管理Sequential模型
• 11 | 使用tf.keras管理functional API
• 12 | Fashion MNIST数据集介绍
• 13 | 使用TensorFlow2训练分类网络

方案设计篇：如何设计可落地的AI解决方案

• 14 | 行业背景：AI新零售是什么?
• 15 | 用户需求：线下门店业绩如何提升？
• 16 | 长期⽬标：货架数字化与业务智能化
• 17 | 短期目标：自动化陈列审核和促销管理
• 18 | 方案设计：基于深度学习的检测/分类的AI流水线
• 19 | 方案交付：支持在线识别和API调用的AI SaaS

商品检测篇：使用RetinaNet瞄准你的货架商品

• 20 | 基础：目标检测问题定义与说明
• 21 | 基础：深度学习在目标检测中的应用
• 22 | 理论：R-CNN系列二阶段模型综述
• 23 | 理论：YOLO系列一阶段模型概述
• 24 | 应用：RetinaNet 与 Facol Loss 带来了什么
• 25 | 应用：检测数据标注方法与流程
• 26 | 应用：划分检测训练集与测试集
• 27 | 应用：生成 CSV 格式数据集与标注
• 28 | 应用：使用TensorFlow 2训练RetinaNet
• 29 | 应用：使用RetinaNet检测货架商品
• 30 | 扩展：目标检测常用数据集综述
• 31 | 扩展：目标检测更多应用场景介绍

商品识别篇：使⽤ResNet识别你的货架商品

• 32 | 基础：图像分类问题定义与说明
• 33 | 基础：越来越深的图像分类网络
• 34 | 应⽤：检测SKU抠图与分类标注流程
• 35 | 应⽤：分类训练集与验证集划分
• 36 | 应⽤：使⽤TensorFlow 2训练ResNet
• 37 | 应用：使用ResNet识别货架商品
• 38 | 扩展：图像分类常用数据集综述
• 39 | 扩展：图像分类更多应⽤场景介绍

业务落地篇：实现货架洞察Web应用

• 40 | 串联AI流程理论：商品检测与商品识别
• 41 | 串联AI流程实战：商品检测与商品识别
• 42 | 展现AI效果理论：使用OpenCV可视化识别结果
• 43 | 展现AI效果实战：使用OpenCV可视化识别结果
• 44 | 搭建AI SaaS理论：Web框架选型
• 45 | 搭建AI SaaS理论：数据库ORM选型
• 46 | 搭建AI SaaS理论：10分钟快速开发AI SaaS
• 47 | 搭建AI SaaS实战：10 分钟快速开发AI SaaS
• 48 | 交付AI SaaS：10分钟快速掌握容器部署
• 49 | 交付AI SaaS：部署和测试AI SaaS

TensorFlow 2进阶使⽤

• 50 | 使⽤TensorFlow 2实现图像数据增强
• 51 | 使⽤TensorFlow 2实现分布式训练
• 52 | 使⽤TensorFlow Hub迁移学习
• 53 | 使⽤@tf.function提升性能
• 54 | 使⽤TensorFlow Serving部署云端服务
• 55 | 使⽤TensorFlow Lite实现边缘智能
• 56 | 结束语