内容介绍：
第1课: 机器学习框架介绍.mp4
第2课: Tensorflow介绍.mp4
第3课: Tensorflow2新版特性.mp4
第4课: Tensorflow2架构方式.mp4
第5课: Tensorflow与其他框架对比.mp4
第6课: Tensorflow环境配置.mp4
第7课: 基于谷歌云平台搭建无GPU环境.mp4
第8课: 基于谷歌云平台配置远程笔记工具.mp4
第9课: 基于谷歌云平台搭建GPU版环境.mp4
第10课: 基于谷歌云平台镜像搭建环境.mp4
第11课: AWS云平台环境配置.mp4
第12课: tfkeras介绍.mp4
第13课: 分类回归与目标函数.mp4
第14课: 分类模型数据读取与展示.mp4
第15课: 分类模型模型构建.mp4
第16课: 分类模型数据归一化.mp4
第17课: 回调函数.mp4
第18课: 神经网络讲解.mp4
第19课: 深度神经网络案例.mp4
第20课: 批归一化、激活函数、dropout案例.mp4
第21课: wide_deep模型.mp4
第22课: 函数API实现wide&deep模型.mp4
第23课: 子类API实现wide&deep模型.mp4
第24课: wide&deep模型的多输入与多输出案例.mp4
第25课: 超参数搜索.mp4
第26课: 手动实现超参数搜索案例.mp4
第27课: 用sklearn封装keras模型.mp4
第28课: 用sklearn超参数搜索.mp4
第29课: 基础API介绍.mp4
第30课: tf.constant.mp4
第31课: tf.strings与ragged_tensor.mp4
第32课: sparse_tensor与tf.Variable.mp4
第33课: 自定义损失函数与DenseLayer回顾.mp4
第34课: 使子类与lambda分别自定义层次.mp4
第35课: tf.function函数转换.mp4
第36课: @tf.function函数转换.mp4
第37课: 函数签名与图结构.mp4
第38课: 近似求导.mp4
第39课: tf.GradientTape基本使用方法.mp4
第40课: tf.GradientTape与tf.keras结合使用.mp4
第41课: 其它常用API介绍.mp4
第42课: 调用data_API.mp4
第43课: 调用tf_data.mp4
第44课: 生成csv文件.mp4
第45课: 调用tf.io.decode_csv工具.mp4
第46课: tf.data与tf.keras读取csv文件.mp4
第47课: tfrecord API导入.mp4
第48课: 生成tfrecords文件.mp4
第49课: tf.data+tf.keras读取文件.mp4
第50课: datasetAPI注意事项.mp4
第51课: Estimator介绍.mp4
第52课: 泰坦尼克问题分析.mp4
第53课: feature_column使用.mp4
第54课: keras_to_estimator.mp4
第55课: 预定义estimator使用.mp4
第56课: 交叉特征.mp4
第57课: TF1.0引入.mp4
第58课: TF1.0计算图构建.mp4
第59课: TF1.0模型训练.mp4
第60课: TF1_dataset使用.mp4
第61课: TF1_自定义estimator.mp4
第62课: API改动升级与课程总结.mp4
第63课: 卷积神经网络引入与总体结构.mp4
第64课: 卷积解决的问题.mp4
第65课: 卷积的计算.mp4
第66课: 池化操作.mp4
第67课: 卷积神经网络.mp4
第68课: 深度可分离卷积网络.mp4
第69课: 深度可分离卷积网络.mp4
第70课: Kaggle平台与10monkeys数据集介绍.mp4
第71课: Keras_generator读取数据.mp4
第72课: 10monkeys基础模型搭建与训练.mp4
第73课: 10monkeys模型微调.mp4
第74课: keras_generator读取cifar10数据集.mp4
第75课: 模型训练与预测.mp4
第76课: 章节总结.mp4
第77课: 循环神经网络引入与embedding.mp4
第78课: 数据集载入与构建词表索引.mp4
第79课: 数据padding、模型构建与训练.mp4
第80课: 序列式问题与循环神经网络.mp4
第81课: 循环神经网络文本分类.mp4
第82课: 文本生成之数据处理.mp4
第83课: 文本生成之构建模型.mp4
第84课: 文本生成之采样生成文本.mp4
第85课: LSTM长短期记忆网络.mp4
第86课: LSTM文本分类与文本生成.mp4
第87课: subword文本分类之数据集载入与tokenizer.ts
第88课: subword文本分类之dataset变换与模型训练.ts
第89课: 章节总结.ts
第90课: 课程引入与GPU设置.mp4
第91课: GPU默认设置.mp4
第92课: 内存增长和虚拟设备.mp4
第93课: GPU手动设置.mp4
第94课: 分布式策略.mp4
第95课: keras分布式.mp4
第96课: estimator分布式.mp4
第97课: 自定义流程.mp4
第98课: 分布式自定义流程.mp4
第99课: 课程引入与TFLite_x264.ts
第100课: 保存模型结构加参数与保存参数.ts
第101课: Keras模型转化为SavedModel.ts
第102课: 签名函数转化为SavedModel.ts
第103课: 签名函数，SavedModel和Keras模型到具体函数转换.ts
第104课: tflite保存与解释与量化.ts
第105课: 本章总结.mp4
第106课: tensorflowjs搭建服务?载入模型.mp4
第107课: Android部署模型与总结.mp4
第108课: 课程引入与seq2seq+attention模型讲解.ts
第109课: 数据预处理理与读取.ts
第110课: 数据id化与dataset生成.ts
第111课: Encoder构建.ts
第112课: attention构建.ts
第113课: Decoder构建.ts
第114课: 损失函数与单步训练函数.ts
第115课: 模型训练.ts
第116课: 模型预测实现.ts
第117课: 样例例分析与总结.ts
第118课: Transformer模型总体架构.ts
第119课: Encoder-Decoder架构与缩放点击注意力.ts
第120课: 多头注意力与位置编码.ts
第121课: Add、Normalize、Decoding过程与总结.ts
第122课: 数据预处理与dataset生成.ts
第123课: 位置编码.ts
第124课: mask构建.ts
第125课: 缩放点积注意力机制实现(1).ts
第126课: 缩放点积注意力机制实现(2).ts
第127课: 多头注意力机制实现.ts
第128课: feedforward层次实现.ts
第129课: EncoderLayer.ts
第130课: DecoderLayer.ts
第131课: EncoderModel.ts
第132课: DecoderModel.ts
第133课: Transformer.ts
第134课: 自定义学习率.ts
第135课: Mask创建与使用.ts
第136课: 模型训练.ts
第137课: 模型预测实现.ts
第138课: attention可视化.ts
第139课: 案例展示.mp4
第140课: 如何学习更多模型[完].mp4
资料包.rar

百度网盘下载地址：