?課程介紹

TensorFlow 2.0 發布已有一年多，但仍有很大量開發者不愿從 1.x 升級，或從別的框架遷移過來。事實上，TensorFlow 2 不僅繼承了 Keras 快速上手和易于使用的特性，還擴展了原有 Keras 所不支持的分布式訓練，并整合了 TF 生態的其他組件（如 TF Serving、TF Lite、TF Hub、TFX 等），可有效提升生產環境的穩定性和可維護性。

對學習者來說，從工具使用到實戰項目的落地，中間還有很長的路要走，有不少坑要去填。可以說，想要順利落地基于 TensorFlow 2 的 AI 項目，并不是一件容易的事。

因此，我們希望通過本課程來幫助學員了解 AI 落地的設計思路和經驗，手把手帶你落地一個完整的 AI 項目，知道這個過程中會有哪些坑，如何去避免。同時，你也能通過實戰進一步提升自己的 AI 技術，達到對 TensorFlow 2 的熟練運用。

TensorFlow 2 項目進階實戰 手把手帶你打通 AI 項目落地全流程課程目錄

01丨課程介紹：AI進階需要落地實戰.mp4

02丨內容綜述：如何快速效學習AI與TensorFlow2.mp4

03丨TensorFlow2新特性.mp4

04丨TensorFlow2核心模塊.mp4

05丨TensorFlow2vsTensorFlow1.x.mp4

06丨TensorFlow2落地應.mp4

07丨TensorFlow2開發環境搭建.mp4

08丨TensorFlow2數據導入與使.mp4

09丨使用tf.keras.datasets加載數據.mp4

10丨使用tf.keras管理Sequential模型.mp4

11丨使用tf.keras管理functionalAPI.mp4

12丨FashionMNIST數據集介紹.mp4

13丨使用TensorFlow2訓練分類網絡.mp4

14丨行業背景：AI新零售是什么.mp4

15丨用戶需求：線下門店業績如何提升？.mp4

16丨長期標：貨架數字化與業務智能化.mp4

17丨短期目標：自動化陳列審核和促銷管理.mp4

18丨方案設計：基于深度學習的檢測.mp4

19丨方案交付：支持在線識別和API調用的AI SaaS 已學完.mp4

20丨基礎：目標檢測問題定義與說明.mp4

21丨基礎：深度學習在目標檢測中的應用.mp4

22丨理論R-CNN系列二階段模型綜述.mp4

23丨理論：YOLO系列一階段模型概述.mp4

24丨應用：RetinaNet與FacolLoss帶來了什么.mp4

25丨應用：檢測數據標注方法與流程.mp4

26丨應用：劃分檢測訓練集與測試集.mp4

27丨應用：生成CSV格式數據集與標注.mp4

28丨應用：使用TensorFlow2訓練RetinaNet.mp4

29丨應用：使用RetinaNet檢測貨架商品.mp4

30丨擴展：目標檢測常用數據集綜述.mp4

31丨擴展：目標檢測更多應用場景介紹.mp4

32丨基礎：圖像分類問題定義與說明.mp4

33丨基礎：越來越深的圖像分類網絡.mp4

34丨應0：檢測SKU摳圖與分類標注流程.mp4

35丨應用：分類訓練集與驗證集劃分.mp4

36丨應0：使4TensorFlow2訓練ResNet.mp4

37丨應用：使用ResNet識別貨架商品.mp4

38丨擴展：圖像分類常用數據集綜述.mp4

39丨擴展：圖像分類更多應3場景介紹.mp4

40丨串聯AI流程理論：商品檢測與商品識別.mp4

41丨串聯AI流程實戰：商品檢測與商品識別.mp4

42丨展現AI效果理論：使用OpenCV可視化識別結果.mp4

43丨展現AI效果實戰：使用OpenCV可視化識別結果.mp4

44丨搭建AI SaaS理論：Web框架選型.mp4

45丨搭建AISaaS理論：數據庫ORM選型.mp4

46丨搭建AISaaS理論：10分鐘快速開發AISaaS.mp4

47丨搭建AISaaS實戰：10分鐘快速開發AISaaS.mp4

48丨交付AISaaS：10分鐘快速掌握容器部署.mp4

49丨交付AISaaS：部署和測試AISaaS.mp4

50丨使TensorFlow2實現圖像數據增強.mp4

51丨使TensorFlow2實現分布式訓練.mp4

52丨使TensorFlowHub遷移學習.mp4

53丨使@tf.function提升性能.mp4

54丨使TensorFlowServing部署云端服務.mp4

55丨使TensorFlowLite實現邊緣智能.mp4

56丨結束語.mp4