課程簡介
人工智能圖像識別課程
目標收益
1）覆蓋Tensorflow和Tensorflow可視化TensorBoard及原理
2）從TF數(shù)據(jù)預處理到建模訓練，從圖像預處理到網(wǎng)絡模型，一一覆蓋
3）精講圖像識別對比等最新案例
培訓對象
課程大綱
|
第一天 1.Tensorflow基礎 |
計算圖的概念與使用 張量的概念與使用 Tensorflow與session Tensorflow playground與非線性切分案例 |
| 2.詳解深度神經(jīng)網(wǎng)絡案例 |
線性與非線性模型 多種場景與損失函數(shù) 過擬合、學習率與滑動平均模型 完成一個深度神經(jīng)網(wǎng)絡案例 |
| 3.卷積神經(jīng)網(wǎng)絡與圖像應用 |
經(jīng)典數(shù)據(jù)集與應用 卷積神經(jīng)網(wǎng)絡與圖像識別：從LeNet-5到google inception V3 物體檢測與google object detection |
|
第二天 4.海量圖像訓練預處理 |
Tensorflow TFRecord輸入數(shù)據(jù)格式與數(shù)據(jù)隊列 Tensorflow 圖像預處理功能 多線程輸入數(shù)據(jù)處理框架 高效Tensorflow圖像應用 |
| 5.圖片識別的原理及應用案例 |
建立圖片對比網(wǎng)絡模型 基于Tensorflow的圖像對比識別案例 |
| 6.Tensorboard工具與模型優(yōu)化 |
Tensorboard簡介 命名空間與Tensorboard可視化 模型狀態(tài)評估與優(yōu)化 圖像比賽與優(yōu)化案例 |
|
第一天 1.Tensorflow基礎 計算圖的概念與使用 張量的概念與使用 Tensorflow與session Tensorflow playground與非線性切分案例 |
|
2.詳解深度神經(jīng)網(wǎng)絡案例 線性與非線性模型 多種場景與損失函數(shù) 過擬合、學習率與滑動平均模型 完成一個深度神經(jīng)網(wǎng)絡案例 |
|
3.卷積神經(jīng)網(wǎng)絡與圖像應用 經(jīng)典數(shù)據(jù)集與應用 卷積神經(jīng)網(wǎng)絡與圖像識別：從LeNet-5到google inception V3 物體檢測與google object detection |
|
第二天 4.海量圖像訓練預處理 Tensorflow TFRecord輸入數(shù)據(jù)格式與數(shù)據(jù)隊列 Tensorflow 圖像預處理功能 多線程輸入數(shù)據(jù)處理框架 高效Tensorflow圖像應用 |
|
5.圖片識別的原理及應用案例 建立圖片對比網(wǎng)絡模型 基于Tensorflow的圖像對比識別案例 |
|
6.Tensorboard工具與模型優(yōu)化 Tensorboard簡介 命名空間與Tensorboard可視化 模型狀態(tài)評估與優(yōu)化 圖像比賽與優(yōu)化案例 |
近期公開課推薦
