深度學習之TensorFlow 2.0編程從入門到實踐

799

內容特色

TensorFlow2.0相對于TensorFlow1.x進行了大規模的升級和變

動,TensorFlow2.0幾乎是一個新的深度機器學習編程框架,本課基于

TensorFlow2.0設置內容,期望實現兩個目標

1. 幫助從來沒有接觸過TensorFLow深度機器學習編程的同學快速掌握TensorFlow2.0編程技術,實現彎道超車。

 

2. 幫助以前學習和掌握了TensorFlow1.x編程的同學快速的從1.x向2.0時代轉換,保持自己的競爭力不被淘汰。

 

本期課程在實踐案例上偏向于基礎通用深度機器學習案例,目的是讓學員能夠

掌握基礎的知識以及能夠很容易的將課程案例應用到自己工作中來。

 

 

實操案例

 

1.基于CNN的圖片分類實踐

 

以CNN神經網絡為基礎,使用CIFAR-10為訓練集,訓練模型并進行圖片的在線預

測,包括數據預處理程序,可以訓練自己的數據集。提供了一個簡單基于Flask的Web應用,可以實現界面化上傳圖片和返回預測結

果。

 

2.基于CycleGan的風格遷移實踐

 

基于CycleGan網絡的風格遷移,能夠直觀的學習到對GAN(生成對抗網絡)的學習

和應用,以常用的apple2orange為訓練集,對模型進行訓練,并通過基于Flask

的Web應用實現在線的風格遷移和效果展示。在課程學習完成后,可以訓練自己

的風格遷移數據集。

 

3.基于Seq2Seq的中文聊天機器人實踐

 

基于經典的Seq2Seq網絡結構實現中文聊天機器人的編程實踐,使用小黃雞的訓

練語料對神經網絡進行訓練,提供基于Flask的Web應用實現在線的聊天。

 

4.基于TensorFlowServing的模型部署編程實踐

 

TFServing是進行模型工業生產部署的一個框架,可以實現將訓練好的模型部署到

實際的生產環境中,并提供基于API或者grpc的預測服務。在本案例中,通過完

成對基于CNN的圖片分類模型來講解如果完成模型導出、模型部署、模型代理應

用的編寫。

 

 

講師介紹

 

趙英俊 阿里云MVP(人工智能領域)

目前致力于強化學習和AutoML技術領域 ,希望將強化學習和AutoML能夠應用于

傳統產業中,解決傳統產業的痛點、難點問題。現個人維護一個優秀的開源NLP

項目,基于seq2seq 的智能聊天機器人,目前Github stars接近1000 stars。

 

 

適宜人群

1、具備基礎的Python編程能力的人工智能愛好者

2、計算機或者機器學習相關專業在校研究生

3、期望轉行進入人工智能領域的在職人員

 

學習收益

 

1、掌握TensorFlow2.0的基礎知識和高級API編程使用。

 

2、至少獲得3個深度機器學習應用的經驗,可以更好更迅速的將深度機器學習應

用到自己的工作中。

 

3、獲得深度機器學習的工程實現編程思路,為自己工業化項目做準備。

 

4、獲得長期人工智能方向輔導和交流的機會,學習群永不解散,授課老師不退

群,隨時可以解答課程或工作中遇到的人工智能方面的難題。

 

 

課程大綱

 

一、TensorFLow2.0基礎入門

l  TensorFlow2.0 Hello world

l  Autograph模式與Eager模式

l  Tensorflow2.0API概覽

l  大作業:用tf2.0API實現一個線性回歸模型

二、圖像分類編程實踐

l  卷積神經網絡三大核心概念

l  卷積神經網絡結構

l  編程實踐數據與項目工程

l  實踐編程使用的tf2.0API詳解

l  課堂作業:利用tf2.0API完成一個模型的搭建

l  卷積神經網絡設計實踐

l  執行器編程實踐

l  Web應用設計和編程實踐

l  大作業:基于CIFAR-100的圖像分類應用

三、基于CycleGAN圖像風格遷移編程實踐

l  GAN的基本概念和工作機制

l  GAN的常見變種和應用場景

l  CycleGAN的算法原理和網絡結構

l  課堂作業:實現一個GAN的工作機制(可以采用偽代碼的方式)

l  數據歸一化原理和應用

l  編程實踐數據與項目工程

l  實踐編程使用的tf2.0API詳解

l  CycleGAN神經網絡設計實踐

l  執行器編程實踐

l  Web應用設計和編程實踐

l  大作業:利用提供的代碼完成自己數據的訓練

四、中文聊天機器人編程實踐

l  自然語言模型

l  RNN神經網絡結構及其變形

l  Seq2Seq框架

l  課堂作業:自己實現一個簡單的RNN神經網絡并能夠work

l  編程實踐數據與項目工程

l  實踐編程使用的tf2.0API詳解

l  Seq2Seq神經網絡設計實踐

l  執行器編程實踐

l  Web應用設計和編程實踐

l  大作業:利用提供的代碼完成自己數據的訓練

五、TensorFlow Serving 部署實踐

l  TensorFlow Serving 架構

l  TensorFlow Serving環境搭建

l  編程實踐數據與項目工程

l  實踐編程使用的tf2.0API詳解

l  課堂作業:自己動手將一個圖像分類編程中的h5模型導出

l  模型導出模塊編程實踐

l  模型部署模塊編程實踐

l  服務代理模塊編程實踐

l  Web應用模塊編程實踐

l  大作業:完成風格遷移實踐中模型的TensorFlow Serving的部署

 

 

教學流程

課程包括分為深度機器學習基礎理論知識點講解、實踐案例使用的api詳解、實踐案例每個模塊的編程詳解、案例運行部署效果展示、課堂作業和大作業批改講解。

 

 

學習安排

 

錄播+直播答疑

每周解鎖固定內容

每周日20:00-21:00直播答疑

學習周期七周

課程有效期2年

授課教師

你懂的网址阿里云MVP(人工智能領域),目前致力于強化學習和AutoML技術領域 ,希望將強化學習和AutoML能夠應用于傳統產業中,解決傳統產業的痛...