博客 / 深度学习ApacheCN 深度学习译文集 20210112 更新ByteHorizonMaster2021年1月12日1381 阅读文章目录新增了六个教程:TensorFlow 2 和 Keras 高级深度学习零、前言一、使用 Keras 入门高级深度学习二、深度神经网络三、自编码器四、生成对抗网络(GAN)五、改进的 GAN六、纠缠表示 GAN七、跨域 GAN八、变分自编码器(VAE)九、深度强化学习十、策略梯度方法十一、对象检测十二、语义分割十三、使用互信息的无监督学习GCP 上的人工智能实用指南零、前言第 1 节:Google Cloud Platform 的基础一、AI 和 GCP 概述二、使用 GCP 组件的计算和处理第 2 节:使用 Google Cloud Platform 的人工智能三、XGBoost 的机器学习应用四、使用 Cloud AutoML五、构建大数据云机器学习引擎六、使用 DialogFlow 的智能对话应用第 3 节:Google Cloud Platform 上的 TensorFlow七、了解云 TPU八、使用 Cloud ML Engine 实现 TensorFlow 模型九、构建预测应用第 4 节:构建应用和即将发布的功能十、构建一个 AI 应用Python 深度学习架构实用指南零、前言第 1 节:深度学习的元素一、深度学习入门二、深度前馈网络三、受限玻尔兹曼机和自编码器第 2 节:卷积神经网络四、CNN 架构五、移动神经网络和 CNN第 3 节:序列建模六、循环神经网络第 4 节:生成对抗网络(GAN)七、生成对抗网络第 5 节:深度学习和高级人工智能的未来八、深度学习的新趋势Python Web 深度学习实用指南零、前言第 1 节:Web 人工智能一、揭秘人工智能和机器学习基础第 2 节:使用深度学习的 Web 开发二、使用 Python 入门深度学习三、创建您的第一个深度学习 Web 应用四、TensorFlow.js 入门第 3 节:用于 Web 开发的不同深度学习 API 入门五、通过 API 进行深度学习六、Google Cloud Platform 上的 Python 深度学习七、AWS 上的 Python DL:对象检测和家庭自动化八、Microsoft Azure 上的 Python 深度学习第 4 节:生产中的深度学习(智能 Web 应用)九、启用深度学习的网站的通用生产框架十、通过深度学习保护 Web 应用安全十一、DIY - Web DL 生产环境十二、使用 DL API 和客户支持聊天机器人创建 E2E Web 应用十三、附录:Web 深度学习的成功案例和新兴领域精通 TensorFlow 2.x 计算机视觉零、前言第 1 节:计算机视觉和神经网络概论一、计算机视觉和 TensorFlow 基础知识二、使用局部二进制模式的内容识别三、使用 OpenCV 和 CNN 的人脸检测四、用于图像的深度学习第 2 节:使用 TensorFlow 的计算机视觉高级概念五、神经网络架构和模型六、使用迁移学习的视觉搜索七、YOLO 对象检测八、语义分割与神经样式迁移第 3 节:使用 TensorFlow 的计算机视觉的高级实现九、使用多任务深度学习的动作识别十、R-CNN,SSD 和 R-FCN 对象检测第 4 节:边缘和云端的 TensorFlow 实现十一、带有 CPU/GPU 优化的边缘设备上的深度学习十二、用于计算机视觉的云计算平台TensorFlow Lite,ML Kit 和 Flutter 移动深度学习零、前言一、移动深度学习简介二、移动视觉 - 使用设备上的模型的人脸检测三、使用 Google Action 的聊天机器人四、认识植物种类五、从摄像机源生成实时字幕六、构建人工智能认证系统七、语音/多媒体处理 - 使用 AI 生成音乐八、基于强化神经网络的国际象棋引擎九、构建图像超分辨率应用十、前方的路十一、附录# 深度学习# tensorflow
新增了六个教程:TensorFlow 2 和 Keras 高级深度学习零、前言一、使用 Keras 入门高级深度学习二、深度神经网络三、自编码器四、生成对抗网络(GAN)五、改进的 GAN六、纠缠表示 GAN七、跨域 GAN八、变分自编码器(VAE)九、深度强化学习十、策略梯度方法十一、对象检测十二、语义分割十三、使用互信息的无监督学习GCP 上的人工智能实用指南零、前言第 1 节:Google Cloud Platform 的基础一、AI 和 GCP 概述二、使用 GCP 组件的计算和处理第 2 节:使用 Google Cloud Platform 的人工智能三、XGBoost 的机器学习应用四、使用 Cloud AutoML五、构建大数据云机器学习引擎六、使用 DialogFlow 的智能对话应用第 3 节:Google Cloud Platform 上的 TensorFlow七、了解云 TPU八、使用 Cloud ML Engine 实现 TensorFlow 模型九、构建预测应用第 4 节:构建应用和即将发布的功能十、构建一个 AI 应用Python 深度学习架构实用指南零、前言第 1 节:深度学习的元素一、深度学习入门二、深度前馈网络三、受限玻尔兹曼机和自编码器第 2 节:卷积神经网络四、CNN 架构五、移动神经网络和 CNN第 3 节:序列建模六、循环神经网络第 4 节:生成对抗网络(GAN)七、生成对抗网络第 5 节:深度学习和高级人工智能的未来八、深度学习的新趋势Python Web 深度学习实用指南零、前言第 1 节:Web 人工智能一、揭秘人工智能和机器学习基础第 2 节:使用深度学习的 Web 开发二、使用 Python 入门深度学习三、创建您的第一个深度学习 Web 应用四、TensorFlow.js 入门第 3 节:用于 Web 开发的不同深度学习 API 入门五、通过 API 进行深度学习六、Google Cloud Platform 上的 Python 深度学习七、AWS 上的 Python DL:对象检测和家庭自动化八、Microsoft Azure 上的 Python 深度学习第 4 节:生产中的深度学习(智能 Web 应用)九、启用深度学习的网站的通用生产框架十、通过深度学习保护 Web 应用安全十一、DIY - Web DL 生产环境十二、使用 DL API 和客户支持聊天机器人创建 E2E Web 应用十三、附录:Web 深度学习的成功案例和新兴领域精通 TensorFlow 2.x 计算机视觉零、前言第 1 节:计算机视觉和神经网络概论一、计算机视觉和 TensorFlow 基础知识二、使用局部二进制模式的内容识别三、使用 OpenCV 和 CNN 的人脸检测四、用于图像的深度学习第 2 节:使用 TensorFlow 的计算机视觉高级概念五、神经网络架构和模型六、使用迁移学习的视觉搜索七、YOLO 对象检测八、语义分割与神经样式迁移第 3 节:使用 TensorFlow 的计算机视觉的高级实现九、使用多任务深度学习的动作识别十、R-CNN,SSD 和 R-FCN 对象检测第 4 节:边缘和云端的 TensorFlow 实现十一、带有 CPU/GPU 优化的边缘设备上的深度学习十二、用于计算机视觉的云计算平台TensorFlow Lite,ML Kit 和 Flutter 移动深度学习零、前言一、移动深度学习简介二、移动视觉 - 使用设备上的模型的人脸检测三、使用 Google Action 的聊天机器人四、认识植物种类五、从摄像机源生成实时字幕六、构建人工智能认证系统七、语音/多媒体处理 - 使用 AI 生成音乐八、基于强化神经网络的国际象棋引擎九、构建图像超分辨率应用十、前方的路十一、附录
评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论