- TensorFlow 2 新增特性
- TensorFlow 2 神经网络
- TensorFlow 2 基础语法
- TensorFlow 2 模型保存
TensorFlow 2 深度学习入门与实践
训练营TensorFlow 是由谷歌在 2015 年 11 月发布的深度学习开源工具，我们可以用它来快速构建深度神经网络，并训练深度学习模型。2019 年，TensorFlow 正式推出了 2.0 版本，也意味着 TensorFlow 从 1.x 正式过度到 2.x 时代。
你将学到的
课程内容
自学困难重重？点这里，6周打通机器学习技术路径
共9个章节
实验 1
TensorFlow 2 基础概念语法
知识点: 1.TensorFlow2简介 2.张量 3.EagerExecution 4.自动微分 5.常用模块
挑战 1
导数计算和自动微分实现
知识点: 1.自动微分 2.GradientTape
实验 2
TensorFlow 2 实现线性回归
知识点: 1.低阶API实现 2.高阶API实现 3.Keras方式实现
挑战 2
低阶 API 实现多项式回归
知识点: 1.TensorFlow低阶API 2.多项式回归拟合
实验 3
TensorFlow 2 简单神经网络
知识点: 1.低阶API构建 2.Keras顺序模型 3.Keras函数式模型 4.Keras混合模型
挑战 3
汽车安全性评估数据分类
知识点: 1.构建神经网络 2.分类模型
实验 4
TensorFlow 2 深度神经网络
知识点: 1.VGG网络结构 2.VGG模型构建 3.FashionMNIST分类 4.Keras迁移学习
挑战 4
经典卷积神经网络构建
知识点: 1.LeNet5网络结构 2.TensorFlow实践
实验 5
TensorFlow 2 模型保存恢复
知识点: 1.模型保存 2.模型恢复
课程介绍
TensorFlow 是由谷歌在 2015 年 11 月发布的深度学习开源工具，我们可以用它来快速构建深度神经网络，并训练深度学习模型。2019 年，TensorFlow 正式推出了 2.0 版本，也意味着 TensorFlow 从 1.x 正式过度到 2.x 时代。
本课程中，我们将了解到 TensorFlow 2 的关键变化，并学习使用新的模型构建方法。课程将从 TensorFlow 2 基础语法入手，从简单的神经网络实现逐步过度到深度神经网络实现。配合精心设计的挑战，让你能快速掌握 TensorFlow 2 的使用。
先学课程
- 需要了解实验楼的基本操作，推荐学习 新手指南之玩转实验楼。
- 需要具备 Python 编程能力，推荐学习 Python3 简明教程。
- 如果有兴趣，可以先学习基于 1.x 版本的 TensorFlow 深度学习基础课程。
课程难度
- 中等
适合用户
- 本课程适用于对 TensorFlow 2 感兴趣的用户。如果你已经有 TensorFlow 1.x 的使用经验，和其他机器学习的相关经验，学习本课程会更轻松一些。
课程信息
课程教师
huhuhang 共发布过 65 门课程
查看老师的所有课程 >
因为论文问题，陆续学了huhuhuang老师的多个课程，课程质量都很高。TF2是完全自己要用，课程内容完全可以满足自己所需。教程＋挑战结合，深入浅出。
回复
huhuhang老师的课程质量都还不错～近期我要把自己代码里 1.x 的接口都升级成 2.x 的
回复
不错
回复
很好
回复
这是目前关于TensorFlow2.2比较好的入门教程
回复
还行吧
回复
对gradienttape部分讲的不详细。
回复
建议多查资料完成实验，有本书更好一些
回复
huhuhang
L328
回复
湖心_
L39
课程已经修复，环境已经预装了 TensorFlow 2。
回复
老师您好，请问您知道 加载tensorflow时出现No space left on device如何解决吗？
回复
加载tensorflow时，
报错如下：ModuleNotFoundError: No module named 'tensorflow.python.tools'
回复
不错，在不看答案的前提下完成了所有的内容
回复
低阶的保存权重先不看了
回复
Train on 60000 samples, validate on 10000 samples
Epoch 1/3
60000/60000 [==============================] - 220s 4ms/sample - loss: 0.5714 - accuracy: 0.7861 - val_loss: 0.4659 - val_accuracy: 0.8287
Epoch 2/3
60000/60000 [==============================] - 220s 4ms/sample - loss: 0.4002 - accuracy: 0.8533 - val_loss: 0.3779 - val_accuracy: 0.8618
Epoch 3/3
60000/60000 [==============================] - 217s 4ms/sample - loss: 0.3442 - accuracy: 0.8719 - val_loss: 0.3417 - val_accuracy: 0.8746
回复
不错，对迁移学习有了一些体会
回复
好艰辛，
回复
学过本课的同学也学过...
