TensorFlow 快速入门与实战 
31210 人已学习
新⼈⾸单¥59
课程目录
已完结/共 67 讲
第一章：TensorFlow初印象 (8讲)
时长 02:20
时长 04:48
时长 02:29
时长 07:39
时长 10:47
时长 12:07
时长 09:46
时长 09:32
第二章：TensorFlow初接触 (5讲)
时长 01:31
时长 11:37
时长 07:05
时长 19:42
时长 12:26
第三章：TensorFlow基本概念解析 (11讲)
时长 02:41
时长 07:25
时长 19:19
时长 13:35
时长 08:53
时长 12:15
时长 14:41
时长 09:00
时长 04:49
时长 13:17
时长 20:00
第四章：实战TensorFlow房价预测 (10讲)
时长 02:14
时长 24:38
时长 07:12
时长 25:39
时长 14:25
时长 17:06
时长 12:02
时长 19:11
时长 12:06
时长 19:02
第五章：实战TensorFlow手写体数字识别 (9讲)
时长 01:56
时长 09:28
时长 07:55
时长 08:15
时长 15:03
时长 16:52
时长 16:21
时长 17:49
时长 21:02
第六章：实战TensorFlow验证码识别 (8讲)
时长 01:37
时长 07:19
时长 21:24
时长 24:44
时长 22:14
时长 20:29
时长 26:52
时长 17:33
第七章：实战TensorFlow人脸识别 (9讲)
时长 02:16
时长 23:55
时长 13:43
时长 23:10
时长 19:42
时长 20:03
时长 28:23
时长 30:38
时长 15:43
番外篇：TensorFlow社区参与指南 (7讲)
时长 02:04
时长 14:02
时长 07:35
时长 12:45
时长 09:12
时长 05:47
时长 01:58
TensorFlow 快速入门与实战
登录|注册
当前播放: 26 | 房价预测模型的前置知识
00:00 / 00:00
高清
- 高清
1.0x
- 2.0x
- 1.5x
- 1.25x
- 1.0x
- 0.75x
- 0.5x
付费课程，可试看
01 | 课程介绍
02 | 课程内容综述
03 | 第一章内容概述
04 | TensorFlow产生的历史必然性
05 | TensorFlow与Jeff Dean的那些事
06 | TensorFlow的应用场景
07 | TensorFlow的落地应用
08 | TensorFlow的发展现状
09 | 第二章内容概述
10 | 搭建你的TensorFlow开发环境
11 | Hello TensorFlow
12 | 在交互环境中使用TensorFlow
13 | 在容器中使用TensorFlow
14 | 第三章内容概述
15 | TensorFlow模块与架构介绍
16 | TensorFlow数据流图介绍
17 | 张量（Tensor）是什么（上）
18 | 张量（Tensor）是什么（下）
19 | 变量（Variable）是什么（上）
20 | 变量（Variable）是什么（下）
21 | 操作（Operation）是什么（上）
22 | 操作（Operation）是什么（下）
23 | 会话（Session）是什么
24 | 优化器（Optimizer）是什么
25 | 第四章内容概述
26 | 房价预测模型的前置知识
27 | 房价预测模型介绍
28 | 房价预测模型之数据处理
29 | 房价预测模型之创建与训练
30 | TensorBoard可视化工具介绍
31 | 使用TensorBoard可视化数据流图
32 | 实战房价预测模型：数据分析与处理
33 | 实战房价预测模型：创建与训练
34 | 实战房价预测模型：可视化数据流图
35 | 第五章内容概述
36 | 手写体数字数据集MNIST介绍（上）
37 | 手写体数字数据集MNIST介绍（下）
38 | MNIST Softmax网络介绍（上）
39 | MNIST Softmax网络介绍（下）
40 | 实战MNIST Softmax网络（上）
41 | 实战MNIST Softmax网络（下）
42 | MNIST CNN网络介绍
43 | 实战MNIST CNN网络
44 | 第六章内容概述
45 | 准备模型开发环境
46 | 生成验证码数据集
47 | 输入与输出数据处理
48 | 模型结构设计
49 | 模型损失函数设计
50 | 模型训练过程分析
51 | 模型部署与效果演示
52 | 第七部分内容介绍
53 | 人脸识别问题概述
54 | 典型人脸相关数据集介绍
55 | 人脸检测算法介绍
56 | 人脸识别算法介绍
57 | 人脸检测工具介绍
58 | 解析FaceNet人脸识别模型
59 | 实战FaceNet人脸识别模型
60 | 测试与可视化分析
61 | 番外篇内容介绍
62 | TensorFlow社区介绍
63 | TensorFlow生态：TFX
64 | TensorFlow生态：Kubeflow
65 | 如何参与TensorFlow社区开源贡献
66 | ML GDE是TensorFlow社区与开发者的桥梁
67 | 课程总结
登录 后留言
全部留言(10)
- 最新
- 精选
黄申
结尾处提到了“模型过于复杂，数量不够，存在欠拟合的情况“，是不是应该是”存在过拟合的情况？“
作者回复: 不记得哪里提到了：） 如果是模型复杂，数据不足，确实可能导致“过拟合”。 如果模型学习能力较弱，数据复杂，那么可能导致“欠拟合”。
2019-05-01
7
李越
j(θ)求导最后一项，x_j^{(i)}是怎么来的啊，视频中老师讲解也是一笔带过，也没说。。。
作者回复: 梯度计算得到的，形式如同：dy/dx (x^2) = 2x。这个x就是你提到的 x_j^{(i)} 。不过这里是多因子，所以有下标j。
2019-03-04
4
3
Kirito
这里纠正一下，统计学里面 y=ax^2+b 也是线性回归，因为线性指代的是系数a, b 为线性，而不是变量
2019-04-09
1
6
无所从来
讲得真好，深入浅出，可见讲师的功力之深厚！ 不知道有没有计划出基于tf2.0的课程？ 期待
2019-12-23
3
SlippersClown.黑皮
一讲公式就两眼懵逼咋办啊
2020-01-17
1
南四街混子
逻辑回归是分类算法吧？老师讲的是回归
2024-02-27
Untitled
觉得老师这节课程，可以通过AI附上字幕..
2020-04-21
J.Smile
前置知识理清楚了头绪
2019-12-27
聖書(Rouen)
无监督学习还是清强化学习？
2019-05-01
小颜
逻辑回归不是多应用在分类吗，它计算的是一种概率值(0.5)
2019-03-07
收起评论