深度学习之TensorFlow 2.0编程从入门到实践

799

内容特色

TensorFlow2.0相对于TensorFlow1.x进行了大规模的升级和变

动,TensorFlow2.0几乎是一个新的深度机器学习编程框架,本课基于

TensorFlow2.0设置内容,期望实现两个目标

1. 帮助从来没有接触过TensorFLow深度机器学习编程的同学快速掌握TensorFlow2.0编程技术,实现弯道超车。

 

2. 帮助以前学习和掌握了TensorFlow1.x编程的同学快速的从1.x向2.0时代转换,保持自己的竞争力不被淘汰。

 

本期课程在实践案例上偏向于基础通用深度机器学习案例,目的是让学员能够

掌握基础的知识以及能够很容易的将课程案例应用到自己工作中来。

 

 

实操案例

 

1.基于CNN的图片分类实践

 

以CNN神经网络为基础,使用CIFAR-10为训练集,训练模型并进行图片的在线预

测,包括数据预处理程序,可以训练自己的数据集。提供了一个简单基于Flask的Web应用,可以实现界面化上传图片和返回预测结

果。

 

2.基于CycleGan的风格迁移实践

 

基于CycleGan网络的风格迁移,能够直观的学习到对GAN(生成对抗网络)的学习

和应用,以常用的apple2orange为训练集,对模型进行训练,并通过基于Flask

的Web应用实现在线的风格迁移和效果展示。在课程学习完成后,可以训练自己

的风格迁移数据集。

 

3.基于Seq2Seq的中文聊天机器人实践

 

基于经典的Seq2Seq网络结构实现中文聊天机器人的编程实践,使用小黄鸡的训

练语料对神经网络进行训练,提供基于Flask的Web应用实现在线的聊天。

 

4.基于TensorFlowServing的模型部署编程实践

 

TFServing是进行模型工业生产部署的一个框架,可以实现将训练好的模型部署到

实际的生产环境中,并提供基于API或者grpc的预测服务。在本案例中,通过完

成对基于CNN的图片分类模型来讲解如果完成模型导出、模型部署、模型代理应

用的编写。

 

 

讲师介绍

 

赵英俊 阿里云MVP(人工智能领域)

目前致力于强化学习和AutoML技术领域 ,希望将强化学习和AutoML能够应用于

传统产业中,解决传统产业的痛点、难点问题。现个人维护一个优秀的开源NLP

项目,基于seq2seq 的智能聊天机器人,目前Github stars接近1000 stars。

 

 

适宜人群

1、具备基础的Python编程能力的人工智能爱好者

2、计算机或者机器学习相关专业在校研究生

3、期望转行进入人工智能领域的在职人员

 

学习收益

 

1、掌握TensorFlow2.0的基础知识和高级API编程使用。

 

2、至少获得3个深度机器学习应用的经验,可以更好更迅速的将深度机器学习应

用到自己的工作中。

 

3、获得深度机器学习的工程实现编程思路,为自己工业化项目做准备。

 

4、获得长期人工智能方向辅导和交流的机会,学习群永不解散,授课老师不退

群,随时可以解答课程或工作中遇到的人工智能方面的难题。

 

 

课程大纲

 

一、TensorFLow2.0基础入门

l  TensorFlow2.0 Hello world

l  Autograph模式与Eager模式

l  Tensorflow2.0API概览

l  大作业:用tf2.0API实现一个线性回归模型

二、图像分类编程实践

l  卷积神经网络三大核心概念

l  卷积神经网络结构

l  编程实践数据与项目工程

l  实践编程使用的tf2.0API详解

l  课堂作业:利用tf2.0API完成一个模型的搭建

l  卷积神经网络设计实践

l  执行器编程实践

l  Web应用设计和编程实践

l  大作业:基于CIFAR-100的图像分类应用

三、基于CycleGAN图像风格迁移编程实践

l  GAN的基本概念和工作机制

l  GAN的常见变种和应用场景

l  CycleGAN的算法原理和网络结构

l  课堂作业:实现一个GAN的工作机制(可以采用伪代码的方式)

l  数据归一化原理和应用

l  编程实践数据与项目工程

l  实践编程使用的tf2.0API详解

l  CycleGAN神经网络设计实践

l  执行器编程实践

l  Web应用设计和编程实践

l  大作业:利用提供的代码完成自己数据的训练

四、中文聊天机器人编程实践

l  自然语言模型

l  RNN神经网络结构及其变形

l  Seq2Seq框架

l  课堂作业:自己实现一个简单的RNN神经网络并能够work

l  编程实践数据与项目工程

l  实践编程使用的tf2.0API详解

l  Seq2Seq神经网络设计实践

l  执行器编程实践

l  Web应用设计和编程实践

l  大作业:利用提供的代码完成自己数据的训练

五、TensorFlow Serving 部署实践

l  TensorFlow Serving 架构

l  TensorFlow Serving环境搭建

l  编程实践数据与项目工程

l  实践编程使用的tf2.0API详解

l  课堂作业:自己动手将一个图像分类编程中的h5模型导出

l  模型导出模块编程实践

l  模型部署模块编程实践

l  服务代理模块编程实践

l  Web应用模块编程实践

l  大作业:完成风格迁移实践中模型的TensorFlow Serving的部署

 

 

教学流程

课程包括分为深度机器学习基础理论知识点讲解、实践案例使用的api详解、实践案例每个模块的编程详解、案例运行部署效果展示、课堂作业和大作业批改讲解。

 

 

学习安排

 

录播+直播答疑

每周解锁固定内容

每周日20:00-21:00直播答疑

学习周期七周

课程有效期2年

授课教师

阿里云MVP(人工智能领域),目前致力于强化学习和AutoML技术领域 ,希望将强化学习和AutoML能够应用于传统产业中,解决传统产业的痛...