【莫烦Python】Keras 快速搭建神经网络Keras深度学习快速简明教程 最易学的深度学习入门课程 人人都可以学的人工智能入门keras入门Keras项目实战课程
更多资料请关注公众号：计算机视觉与图形学实战
目录（播放量 18.1万） | 目录（播放量 18.1万） |
P1 科普: 人工神经网络 VS 生物神经网络 04:40 | P2 什么是神经网络 (机器学习) 07:15 |
P3 神经网络 : 梯度下降 04:08 | P4 科普: 神经网络的黑盒不黑 04:56 |
P5 1 Why? 02:01 | P6 2 安装 03:48 |
P7 3 兼容 backend 06:44 | P8 4 Regressor 回归 11:33 |
P9 5 Classifier 分类 13:06 | P10 什么是卷积神经网络 CNN (深度学习)? 05:39 |
P11 6 CNN 卷积神经网络 12:18 | P12 什么是循环神经网络 RNN (深度学习)? 04:33 |
P13 什么是 LSTM RNN 循环神经网络 (深度学习)? 03:55 | P14 7 RNN Classifier 循环神经网络 10:39 |
P15 8 RNN Regressor 循环神经网络 08:17 | P16 什么是自编码 Autoencoder (深度学习)? 03:08 |
P17 9 Autoencoder 自编码 12:17 | P18 10 Save & reload 保存提取 05:42 |
Keras深度学习快速简明教程 最易学的深度学习入门课程 人人都可以学的人工智能入门
目录 （播放量 5.6万） |
P1 1.keras简介 11:06 |
P2 2.开发环境搭建与keras的安装（2020.2） 17:58 |
P3 3.机器学习基础与线性回归 15:55 |
P4 4.keras实现线性回归模型 11:58 |
P5 5.模型的编译、训练及可视化 10:43 |
P6 6.keras实现多变量线性回归 15:57 |
P7 7.逻辑回归、softmax多分类与交叉熵 12:12 |
P8 8.手写数字识别实例 14:59 |
P9 9.手写数字识别模型的优化 12:51 |
目录 | 播放量 5.7万 |
P1 1.keras介绍和安装 07:21 | P2 2.实现线性回归 20:09 |
P3 3.实现非线性回归 17:33 | P4 4.MNIST分类程序 19:04 |
P5 5.交叉熵的介绍和应用 04:51 | P6 6.Dropout应用 12:41 |
P7 7.正则化应用 05:47 | P8 8.优化器介绍及应用 03:15 |
P9 9.CNN应用于手写数字识别 11:15 | P10 10.RNN应用 08:18 |
P11 11.模型的保存和载入 07:13 | P12 12.绘制网络结构 11:26 |
目录（播放量 1.0万） |
P1 1.图像数据预处理 09:46 |
P2 2.猫狗分类-简单CNN. 13:37 |
P3 3.猫狗分类-VGG16-bottleneck. 23:18 |
P4 4.猫狗分类-VGG16-Finetune. 09:38 |
P5 1.图像风格转换-原理介绍 22:41 |
P6 2.图像风格转换-程序讲解1 34:04 |
P7 3.图像风格转换-程序讲解2 31:23 |
P8 1.word2vec介绍和CNN在自然语言中的应用 22:45 |
P9 2.函数式模型 12:42 |
P10 3.CNN情感分类 45:41 |
P11 4.LSTM情感分类 19:12 |
P12 1.数据处理 31:45 |
P13 2.模型结构 10:15 |
P14 3.维特比算法预测中文分词 38:43 |
P15 1.生成式对抗网络原理及应用介绍 18:57 |
P16 2.生成手写数字图片 42:23 |