文件名称：deep-learning-keras-tf-tutorial:通过这个全面的深度学习教程系列，使用tensorflow2.0，keras和python学习深度学习。 从头开始学习深度学习。 面向初学者的深度学习系列。 Tensorflow教程，tensorflow 2.0教程。 深度学习教程python
文件大小：21.83MB
文件格式：ZIP
更新时间：2024-03-27 21:38:59
deep-neural-networks deep-learning tensorflow keras mnist
通过这个全面的深度学习教程系列，使用tensorflow2.0，keras和python学习深度学习。 从头开始学习深度学习。 面向初学者的深度学习系列。 Tensorflow教程，tensorflow 2.0教程。 深度学习python教程。
【文件预览】：
deep-learning-keras-tf-tutorial-master
----12_precision_recall()
--------12_precision_recall.ipynb(19KB)
----13_dropout_layer()
--------dropout_regularization_ann.ipynb(60KB)
--------sonar_dataset.csv(86KB)
----5_loss()
--------5_loss_or_cost_function.ipynb(8KB)
--------loss_function_exercise_solution.ipynb(3KB)
----16_cnn_cifar10_small_image_classification()
--------digits_nn.jpg(113KB)
--------cnn_cifar10_dataset.ipynb(41KB)
--------small_images.jpg(93KB)
--------cnn_mnist_exercise_solution.ipynb(15KB)
----7_nn_from_scratch()
--------7_neural_network_from_scratch.ipynb(106KB)
--------nn.jpg(40KB)
--------insurance_data.csv(231B)
----1_digits_recognition()
--------digits_recognition_neural_network.ipynb(121KB)
--------digits_nn.jpg(113KB)
----3_derivatives()
--------derivatives_answer.jpg(42KB)
--------derivatives_question.jpg(36KB)
--------derivatives_exercise.md(1KB)
--------derivatives_exercise_solution.md(27B)
----8_sgd_vs_gd()
--------mini_batch_gd.ipynb(25KB)
--------hp.jpg(21KB)
--------gd_and_sgd.ipynb(46KB)
--------homeprices.csv(124B)
--------homeprices_banglore.csv(229B)
--------gradient_descent.ipynb(46KB)
--------mini_batch_gd_exercise_solution.ipynb(3KB)
--------gradient_descent.py(588B)
----6_gradient_descent()
--------6_gradient_descent.ipynb(660KB)
--------nn.png(40KB)
--------insurance_data.csv(231B)
----18_transfer_learning()
--------cnn_transfer_learning.ipynb(774KB)
--------goldfish.jpg(47KB)
--------ImageNetLabels.txt(10KB)
----9_tensorboard()
--------digits_recognition_neural_network_tensorboard_demo.ipynb(40KB)
----14_imbalanced()
--------handling_imbalanced_data_exercise_solution_telecom_churn.ipynb(137KB)
--------customer_churn.csv(948KB)
--------handling_imbalanced_data.ipynb(224KB)
--------handling_imbalanced_data_exercise.md(1KB)
----.gitignore(85B)
----1_keras_fashion_mnist_neural_net()
--------1_keras_fashion_mnist.ipynb(29KB)
--------fashion_neural_net.png(89KB)
--------Exercise()
--------fmnist.png(772KB)
--------Slide1.PNG(354KB)
--------Slide2.PNG(74KB)
--------classlabels.JPG(48KB)
----10_gpu_benchmarking()
--------gpu_performance_test_small_image_classification.ipynb(54KB)
--------Exercise()
--------small_images.jpg(93KB)
----17_data_augmentation()
--------cnn_flower_image_classification_data_augmentations.ipynb(523KB)
--------daisy2.JPG(81KB)
----README.md(386B)
----11_chrun_prediction()
--------churn.ipynb(146KB)
--------customer_churn.csv(948KB)
----2_activation_functions()
--------2_activation_functions.ipynb(5KB)
----4_matrix_math()
--------matrix_math.camproj(15KB)
--------revenue_usd.jpg(35KB)
--------4_matrix_math_exercise_solution.ipynb(2KB)
--------matrix_math_theory.trec(23.7MB)
--------flowers.jpg(43KB)
--------4_matrix_math.ipynb(3KB)
--------4_matrix_math.md(1002B)