PS 本站不保证资源的完整性，不对其真实性负责。请自行确认是否符合个人需求。如有介意，请勿获取。
- 第1章课程导学 【1 节 | 23分钟】
- 第2章机器学习与神经网络简介 【6 节 | 42分钟】
- 视频：2-2 聊聊机器学习
- 作业：2-3 神经网络简介 (12:06)
- 视频：2-4 聊聊神经网络
- 作业：2-5 神经网络的训练 (12:35)
- 视频：2-6 聊聊炼丹
- 第3章Tensorflow.js简介 【4 节 | 51分钟】
- 视频：3-1 Tensorflow.js 简介 (11:42)
- 视频：3-2 安装 Tensoflow.js (15:48)
- 视频：3-3 为何要用 Tensor (22:56)
- 作业：3-4 聊聊 Tensor
- 第4章线性回归 【8 节 | 79分钟】
- 视频：4-1 线性回归任务简介 (06:41)
- 视频：4-3 定义模型结构：单层单个神经元组成的神经网络 (11:49)
- 视频：4-4 损失函数：均方误差 (11:17)
- 视频：4-5 聊聊均方误差
- 作业：4-6 优化器：随机梯度下降 (17:25)
- 视频：4-7 训练模型并可视化训练过程 (14:35)
- 视频：4-8 进行预测 (06:29)
- 第5章归一化 【3 节 | 24分钟】
- 视频：5-1 归一化任务简介 (05:43)
- 视频：5-2 归一化训练数据 (11:51)
- 视频：5-3 训练、预测、反归一化 (05:27)
- 第6章逻辑回归 【7 节 | 75分钟】
- 视频：6-1 逻辑回归任务简介 (07:17)
- 视频：6-2 加载二分类数据 (07:13)
- 视频：6-3 定义模型结构：带有激活函数的单个神经元 (13:47)
- 视频：6-4 损失函数：对数损失（log loss） (09:45)
- 视频：6-5 训练模型并可视化训练过程 (06:16)
- 视频：6-6 进行预测 (07:29)
- 视频：6-7 （选修）二分类数据集生成函数源码剖析 (22:59)
- 第7章多层神经网络 【4 节 | 35分钟】
- 视频：7-1 多层神经网络任务简介 (15:06)
- 视频：7-2 加载 XOR 数据集 (04:30)
- 视频：7-3 定义模型结构：多层神经网络 (07:47)
- 视频：7-4 训练模型并预测 (07:20)
- 第8章多分类 【7 节 | 77分钟】
- 视频：8-1 任务简介、主要步骤、前置条件 (08:14)
- 视频：8-2 加载iris数据集（训练集与验证集） (09:42)
- 视频：8-3 定义模型结构：带有softmax的多层神经网络 (07:19)
- 视频：8-4 训练模型：交叉熵损失函数与准确度度量 (10:57)
- 视频：8-5 多分类预测方法 (08:06)
- 视频：8-6 （选修）IRIS数据集生成函数源码剖析 (15:26)
- 视频：8-7 （选修）IRIS 数据集生成函数源码剖析 (16:31)
- 第9章欠拟合与过拟合 【5 节 | 57分钟】
- 视频：9-1 欠拟合与过拟合任务简介 (11:28)
- 视频：9-2 加载带有噪音的二分类数据集 (14:42)
- 视频：9-3 使用简单神经网络演示欠拟合 (10:48)
- 视频：9-4 使用复杂神经网络演示过拟合 (06:23)
- 视频：9-5 过拟合应对法：早停法、权重衰减、丢弃法 (12:53)
- 第10章使用卷积神经网络（CNN）识别手写数字 【5 节 | 103分钟】
- 视频：10-1 使用卷积神经网络识别手写数字任务简介 (06:05)
- 视频：10-2 加载 MNIST 数据集 (31:53)
- 视频：10-3 定义模型结构：卷积神经网络 (31:37)
- 视频：10-4 训练模型 (11:52)
- 视频：10-5 进行预测 (21:11)
- 第11章使用预训练模型进行图片分类 【3 节 | 36分钟】
- 视频：11-1 使用预训练模型进行图片分类任务简介 (05:23)
- 视频：11-2 加载 MobileNet 模型 (09:05)
- 视频：11-3 进行预测 (20:34)
- 第12章基于迁移学习的图像分类器：商标识别 【6 节 | 67分钟】
- 视频：12-1 基于迁移学习的图像分类器：商标识别任务简介 (06:18)
- 视频：12-2 加载商标训练数据并可视化 (16:41)
- 视频：12-3 定义模型结构：截断模型+双层神经网络 (12:21)
- 视频：12-4 迁移学习下的模型训练 (13:09)
- 视频：12-5 迁移学习下的模型预测 (07:12)
- 视频：12-6 模型的保存和加载 (10:57)
- 第13章使用预训练模型进行语音识别 【3 节 | 33分钟】
- 视频：13-1 使用预训练模型进行语音识别任务简介 (04:41)
- 视频：13-2 加载预训练语音识别模型 (14:23)
- 视频：13-3 进行语音识别 (13:46)
- 第14章基于迁移学习的语音识别器：声控轮播图 【5 节 | 96分钟】
- 视频：14-1 基于迁移学习的语音识别器：声控轮播图 (05:57)
- 视频：14-2 在浏览器中收集中文语音训练数据 (23:15)
- 视频：14-3 语音识别迁移学习的训练和预测 (18:04)
- 视频：14-4 语音训练数据的保存和加载 (25:32)
- 视频：14-5 声控轮播图 (22:52)
- 第15章Python与JavaScript模型互转 【4 节 | 73分钟】
- 视频：15-1 Python 与 JavaScript 模型互转任务简介 (14:56)
- 视频：15-2 安装 Tensorflow.js Converter (23:18)
- 视频：15-3 Python 与 JavaScript 模型互转 (19:38)
- 视频：15-4 JavaScript 模型的互转：分片、量化、加速 (14:36)
- 第16章课程总结 【1 节 | 12分钟】
- 视频：16-1 -回顾与总结 (11:57)
© 版权声明
THE END
暂无评论内容