271分钟
利用Keras开发深度学习模型教程精讲
本课程旨在帮助你从理论到实践，全面学会李游Keras进行深度学习模型开发。 课程首先介绍深度学习网络的定义、编译、训练和评估流程。然后，我们将深入学习Keras的顺序型API和函数式API模型，并通过…
本课程旨在帮助你从理论到实践，全面学会李游Keras进行深度学习模型开发。
课程首先介绍深度学习网络的定义、编译、训练和评估流程。然后，我们将深入学习Keras的顺序型API和函数式API模型，并通过实例教你如何进行网络拓扑可视化，以及使用TensorBoard进行模型训练过程可视化。
在模型优化部分，你将学习如何使用回调函数，寻找并保存最优模型。我们将教你如何保存和加载模型，包括使用SaveModel格式和JSON格式进行模型保存。
最后，我们将通过实战项目，教你如何处理实际数据，包括数据导入、缺失值插补、one_hot编码、数据拆分和标准化处理等，并指导你如何定义、编译、训练深度学习网络模型，并进行训练结果可视化。
无论你是计算机科学或相关领域的学生，还是希望使用Keras进行深度学习模型开发的专业人士，或者是对人工智能和深度学习模型开发感兴趣的技术爱好者，这门课程都将为你提供实用的知识和技能。
课程内容介绍
第1章 Keras模型生命周期
- 1 定义网络1
- 2 定义网络2
- 3 编译网络
- 4 训练网络
- 5 评估及预测网络
第2章 Keras模型类型
- 1 Keras模型类型
- 2 顺序型API模型
- 3 函数式API模型讲解
第3章 模型可视化
- 1 网络拓扑可视化01
- 2 网络拓扑可视化02
- 3 TensorBoard可视化1
- 4 TensorBoard可视化2
- 5 TensorBoard可视化3
- 6 TensorBoard可视化4
第4章 回调函数calrbacks
- 1 回调函数介绍
- 2 使用回调函数寻找最优模型1
- 3 使用回调函数寻找最优模型2
第5章 模型保存与加裁
- 1 模型的保存及加载
- 2 使用SaveModel格式保存模型
- 3 使用SaveModel格式保存模型2-案例演示
- 4 使用SaveModel格式保存模型3-保存模型加载及验证
- 5 使用SaveModel格式保存模型3-保存为H5文件
- 6 使用SaveModel格式保存模型4-保存及加载模型结构
- 7 使用SaveModel格式保存模型5-保存及加载模型权重
- 8 使用JSON格式保存及加载模型
第6章 案例分析：使用Keras预測泰坦尼克号旅客是否生存
- 1 案例分析：Titanic数据导入及删除多余变量
- 2 案例分析：缺失值的识别及插补
- 3 案例分析：one_hot编码、数据拆分、标准化处理
- 4 案例分析：定义和编译网络模型
- 5 案例分析：模型训练及训练周期结果可视化
第7章 题目讲解
- 1 课后习题：判断和选择题讲解
- 2 课后习题：实训题1
- 3 课后习题：实训题2和3
谢佳标
2017-2024 微软MVP