7. 北京大学-人工智能实践：Tensorflow笔记（mooc）(5)

北京大学-人工智能实践 Tensorflow笔记（mooc）

大学课程 / 计算机 / AI大数据

共63集 10.1万人观看

---

• 
  1[1]--1.1-概述 - 1

  08:35
• 
  2[1]--1.1-概述 - 3

  08:39
• 
  3[1]--1.2-双系统安装 - 1

  08:45
• 
  4[1]--1.2-双系统安装 - 3

  08:52
• 
  5[1]--1.3-Windows虚拟机安装

  06:00
• 
  6[1]--1.4-MacTensorflow安装

  03:37
• 
  7北京大学-人工智能实践：Tensorflow笔记（mooc）(5)

  08:15
• 
  8[1]--2.1-Linux指令、HelloWorld

  05:40
• 
  9[1]--2.2-列表、元组、字典

  08:30
• 
  10[1]--2.3-条件语句

  08:54
• 
  11[1]--2.4-循环语句

  04:16
• 
  12[1]--2.5-turtle模块

  05:09
• 
  13[1]--2.6-函数、模块、包

  05:07
• 
  14[1]--2.7-类、对象、面向对象的编程

  08:48
• 
  15[1]--2.8-文件操作

  05:07
• 
  16[1]--3.1-张量、计算图、会话

  09:27
• 
  17[1]--3.2-前向传播 - 1

  07:34
• 
  18[1]--3.2-前向传播 - 3

  07:30
• 
  19[1]--3.3-反向传播 - 1

  06:21
• 
  20[1]--3.3-反向传播 - 3

  06:24
• 
  21[1]--4.1-损失函数 - 1

  09:23
• 
  22[1]--4.1-损失函数 - 3

  09:21
• 
  23[1]--4.2-学习率

  08:27
• 
  24[1]--4.3-滑动平均

  07:38
• 
  25[1]--4.4-正则化 - 1

  06:50
• 
  26[1]--4.4-正则化 - 3

  06:47
• 
  27[1]--4.5-神经网络搭建八股 - 1

  05:31
• 
  28[1]--4.5-神经网络搭建八股 - 3

  05:28
• 
  29[1]--5.1-MNIST数据

  09:36
• 
  30[1]--5.2-模块化搭建神经网络八股

  03:07
• 
  31[1]--5.3-手写数字识别准确率输出

  07:46
• 
  32[1]--6.1-输入手写数字图片输出识别结果 - 1

  06:31
• 
  33[1]--6.1-输入手写数字图片输出识别结果 - 3

  06:33
• 
  34[1]--6.2-制作数据集 - 1

  07:26
• 
  35[1]--6.2-制作数据集 - 3

  07:30
• 
  36[1]--7.1-卷积神经网络 - 1

  09:56
• 
  37[1]--7.1-卷积神经网络 - 3

  09:53
• 
  38[1]--7.2-lenet5代码讲解 - 1

  06:33
• 
  39[1]--7.2-lenet5代码讲解 - 3

  06:35
• 
  40[1]--8.1-复现已有的卷积神经网络 - 1

  06:43
• 
  41[1]--8.1-复现已有的卷积神经网络 - 3

  06:43
• 
  42[1]--8.2-用vgg16实现图片识别 - 1

  08:18
• 
  43[1]--8.2-用vgg16实现图片识别 - 3

  08:14
• 
  44[1]--9.1真实复杂场景手写英文体识别 - 1

  07:57
• 
  45[1]--9.1真实复杂场景手写英文体识别 - 3

  08:02
• 
  46[1]--9.2二值神经网络实现MNIST手写数字识别 - 1

  08:42
• 
  47[1]--9.2二值神经网络实现MNIST手写数字识别 - 3

  08:39
• 
  48[1]--9.3车牌号码识别 - 1

  06:35
• 
  49[1]--9.3车牌号码识别 - 3

  06:38
• 
  50[1]--9.4人脸表情识别 - 1

  05:41
• 
  51[1]--9.4人脸表情识别 - 3

  05:40
• 
  52[1]--9.5实时目标检测、识别、计数和追踪 - 1

  07:14
• 
  53[1]--9.5实时目标检测、识别、计数和追踪 - 3

  07:20
• 
  54[1]--9.6图片自动上色 - 1

  05:48
• 
  55[1]--9.6图片自动上色 - 3

  05:50
• 
  56[1]--9.7图像风格融合与快速迁移 - 1

  08:53
• 
  57[1]--9.7图像风格融合与快速迁移 - 3

  08:56
• 
  58[1]--9.8图像中文描述 - 1

  08:46
• 
  59[1]--9.8图像中文描述 - 3

  08:42
• 
  60[1]--9.9跨模态检索 - 1

  10:39
• 
  61[1]--9.9跨模态检索 - 3

  10:44
• 
  62[1]--9.10强化学习实现“不死鸟”FlappyBird - 1

  09:42
• 
  63[1]--9.10强化学习实现“不死鸟”FlappyBird - 3

  09:46