TensorFlow 2 项目进阶实战 
7373 人已学习
新⼈⾸单¥59
课程目录
已完结/共 56 讲
课程简介 (2讲)
时长 13:31
时长 05:44
基础理论篇：TensorFlow 2设计思想 (4讲)
时长 11:04
时长 09:55
时长 08:59
时长 15:42
快速上手篇：动⼿训练模型和部署服务 (7讲)
时长 19:02
时长 10:02
时长 06:21
时长 15:58
时长 07:55
时长 06:40
时长 17:10
方案设计篇：如何设计可落地的AI解决方案 (6讲)
时长 26:43
时长 13:53
时长 08:29
时长 16:39
时长 09:55
时长 20:13
商品检测篇：使用RetinaNet瞄准你的货架商品 (12讲)
时长 18:51
时长 09:13
时长 12:44
时长 19:55
时长 21:21
时长 10:17
时长 12:50
时长 08:04
时长 16:23
时长 11:09
时长 08:22
时长 08:37
商品识别篇：使⽤ResNet识别你的货架商品 (8讲)
时长 16:28
时长 21:17
时长 07:01
时长 09:46
时长 09:53
时长 09:39
时长 04:03
时长 09:23
业务落地篇：实现货架洞察Web应用 (10讲)
时长 07:53
时长 10:04
时长 10:16
时长 07:08
时长 12:02
时长 15:12
时长 07:37
时长 17:14
时长 10:26
时长 12:37
TensorFlow 2进阶使⽤ (7讲)
时长 10:31
时长 12:04
时长 10:05
时长 12:30
时长 13:18
时长 08:27
时长 05:41
TensorFlow 2 项目进阶实战
登录|注册
当前播放: 10 | 使用tf.keras管理Sequential模型
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：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
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
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
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
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
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
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
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
登录 后留言
全部留言(6)
- 最新
- 精选
源力
老师，您好！我有两个问题：
1.损失函数：sparse_categorical_crossentropy 和 categorical_crossentropy的区别是什么呢？它们应该怎样区分来用？
2.!apt-get install -y graphviz,这行代码的作用是什么呢？!pip install graphviz pydot安装了之后是不是还不能直接用呢？
谢谢老师！
作者回复: 1. sparse_categorical_crossentropy 和 categorical_crossentropy 在基础课《TensorFlow 快速入门与实战》有讲。 2. !pip install graphviz pydot 是可视化模型网络的 Python 软件依赖包，!apt-get install -y graphviz 是（系统级）依赖软件，也必须安装。
2020-06-18
1
杰洛特
如果使用 tensorflow 2.3 版本进行这部分试验的时候，会发生模型保存后再加载失效的情况。现象就是重新加载后的模型准确率非常低，在 10% 左右，这就与没有训练完全瞎猜的准确率一样了，查了下 github 是官方承认的 bug #42459，将在新版本修正。临时解决方案是把模型中的准确率由 accuracy 替换为 sparse_categorical_accuracy，这样模型就能正确保存并加载了。
2020-09-18
1
7
浩天
win10上保存模型后进行加载，evaluate得出的结果和上面model.evaluate结果不一致，大概差10倍，不知道是什么问题。
2020-08-24
3
2
荒野无尽
老师，我上条留言草率了，您在后面提到了激活函数的问题，我没看完就草率发言了，对不起
2021-05-18
荒野无尽
老师，模型最后一层dense层是不是要加上一个activation=‘softmax’呢？
2021-05-18
小白
我在运行时出现这些报错，一直找不到原因InvalidArgumentError Traceback (most recent call last)
<ipython-input-8-9eaab81d20e2> in <module>
3 tf.keras.layers.Dense(128, activation='relu'),
4 tf.keras.layers.Dropout(0.2),
----> 5 tf.keras.layers.Dense(10)
2020-07-31
收起评论