TensorFlow 2 项目进阶实战
彭靖田
Google Developer Expert、《TensorFlow 快速入门与实战》作者
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)
01 | 课程介绍：AI进阶需要落地实战
时长 13:31
02 | 内容综述：如何快速⾼效学习AI与TensorFlow 2
时长 05:44
基础理论篇：TensorFlow 2设计思想 (4讲)
03 | TensorFlow 2新特性
时长 11:04
04 | TensorFlow 2核心模块
时长 09:55
05 | TensorFlow 2 vs TensorFlow 1.x
时长 08:59
06 | TensorFlow 2落地应⽤
时长 15:42
快速上手篇：动⼿训练模型和部署服务 (7讲)
07 | TensorFlow 2开发环境搭建
时长 19:02
08 | TensorFlow 2数据导入与使⽤
时长 10:02
09 | 使用tf.keras.datasets加载数据
时长 06:21
10 | 使用tf.keras管理Sequential模型
时长 15:58
11 | 使用tf.keras管理functional API
时长 07:55
12 | Fashion MNIST数据集介绍
时长 06:40
13 | 使用TensorFlow2训练分类网络
时长 17:10
方案设计篇：如何设计可落地的AI解决方案 (6讲)
14 | 行业背景：AI新零售是什么?
时长 26:43
15 | 用户需求：线下门店业绩如何提升？
时长 13:53
16 | 长期⽬标：货架数字化与业务智能化
时长 08:29
17 | 短期目标：自动化陈列审核和促销管理
时长 16:39
18 | 方案设计：基于深度学习的检测/分类的AI流水线
时长 09:55
19 | 方案交付：支持在线识别和API调用的AI SaaS
时长 20:13
商品检测篇：使用RetinaNet瞄准你的货架商品 (12讲)
20 | 基础：目标检测问题定义与说明
时长 18:51
21 | 基础：深度学习在目标检测中的应用
时长 09:13
22 | 理论：R-CNN系列二阶段模型综述
时长 12:44
23 | 理论：YOLO系列一阶段模型概述
时长 19:55
24 | 应用：RetinaNet 与 Facol Loss 带来了什么
时长 21:21
25 | 应用：检测数据标注方法与流程
时长 10:17
26 | 应用：划分检测训练集与测试集
时长 12:50
27 | 应用：生成 CSV 格式数据集与标注
时长 08:04
28 | 应用：使用TensorFlow 2训练RetinaNet
时长 16:23
29 | 应用：使用RetinaNet检测货架商品
时长 11:09
30 | 扩展：目标检测常用数据集综述
时长 08:22
31 | 扩展：目标检测更多应用场景介绍
时长 08:37
商品识别篇：使⽤ResNet识别你的货架商品 (8讲)
32 | 基础：图像分类问题定义与说明
时长 16:28
33 | 基础：越来越深的图像分类网络
时长 21:17
34 | 应⽤：检测SKU抠图与分类标注流程
时长 07:01
35 | 应⽤：分类训练集与验证集划分
时长 09:46
36 | 应⽤：使⽤TensorFlow 2训练ResNet
时长 09:53
37 | 应用：使用ResNet识别货架商品
时长 09:39
38 | 扩展：图像分类常用数据集综述
时长 04:03
39 | 扩展：图像分类更多应⽤场景介绍
时长 09:23
业务落地篇：实现货架洞察Web应用 (10讲)
40 | 串联AI流程理论：商品检测与商品识别
时长 07:53
41 | 串联AI流程实战：商品检测与商品识别
时长 10:04
42 | 展现AI效果理论：使用OpenCV可视化识别结果
时长 10:16
43 | 展现AI效果实战：使用OpenCV可视化识别结果
时长 07:08
44 | 搭建AI SaaS理论：Web框架选型
时长 12:02
45 | 搭建AI SaaS理论：数据库ORM选型
时长 15:12
46 | 搭建AI SaaS理论：10分钟快速开发AI SaaS
时长 07:37
47 | 搭建AI SaaS实战：10 分钟快速开发AI SaaS
时长 17:14
48 | 交付AI SaaS：10分钟快速掌握容器部署
时长 10:26
49 | 交付AI SaaS：部署和测试AI SaaS
时长 12:37
TensorFlow 2进阶使⽤ (7讲)
50 | 使⽤TensorFlow 2实现图像数据增强
时长 10:31
51 | 使⽤TensorFlow 2实现分布式训练
时长 12:04
52 | 使⽤TensorFlow Hub迁移学习
时长 10:05
53 | 使⽤@tf.function提升性能
时长 12:30
54 | 使⽤TensorFlow Serving部署云端服务
时长 13:18
55 | 使⽤TensorFlow Lite实现边缘智能
时长 08:27
56 | 结束语
时长 05:41
TensorFlow 2 项目进阶实战
登录|注册
留言
收藏
沉浸
阅读
分享
手机端
回顶部
当前播放: 42 | 展现AI效果理论：使用OpenCV可视化识别结果
00:00 / 00:00
高清
  • 高清
1.0x
  • 2.0x
  • 1.5x
  • 1.25x
  • 1.0x
  • 0.75x
  • 0.5x
网页全屏
全屏
00:00
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

精选留言

由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论