【课程介绍】
TensorFlow 2.0 发布已有一年多，但仍有很大量开发者不愿从 1.x 升级，或从别的框架迁移过来。事实上，TensorFlow 2 不仅继承了 Keras 快速上手和易于使用的特性，还扩展了原有 Keras 所不支持的分布式训练，并整合了 TF 生态的其他组件（如 TF Serving、TF Lite、TF Hub、TFX 等），可有效提升生产环境的稳定性和可维护性。 对学习者来说，从工具使用到实战项目的落地，中间还有很长的路要走，有不少坑要去填。可以说，想要顺利落地基于 TensorFlow 2 的 AI 项目，并不是一件容易的事。 因此，我们希望通过本课程来帮助学员了解AI落地的设计思路和经验，手把手带你落地一个完整的AI项目，知道这个过程中会有哪些坑，如何去避免。同时，你也能通过实战进一步提升自己的AI技术，达到对 TensorFlow 2 的熟练运用。 【网盘下载地址SVIP专享通道(电脑版访问)】
【课程目录】课程简介 (2讲)
01 | 课程介绍：AI进阶需要落地实战
02 | 内容综述：如何快速⾼效学习AI与TensorFlow 2
基础理论篇：TensorFlow 2设计思想 (4讲)
03 | TensorFlow 2新特性
04 | TensorFlow 2核心模块
05 | TensorFlow 2 vs TensorFlow 1.x
06 | TensorFlow 2落地应⽤
快速上手篇：动⼿训练模型和部署服务 (7讲)
07 | TensorFlow 2开发环境搭建
08 | TensorFlow 2数据导入与使⽤
09 | 使用tf.keras.datasets加载数据
10 | 使用tf.keras管理Sequential模型
11 | 使用tf.keras管理functional API
12 | Fashion MNIST数据集介绍
13 | 使用TensorFlow2训练分类网络
方案设计篇：如何设计可落地的AI解决方案 (6讲)
14 | 行业背景：AI新零售是什么?
15 | 用户需求：线下门店业绩如何提升？
16 | 长期⽬标：货架数字化与业务智能化
17 | 短期目标：自动化陈列审核和促销管理
18 | 方案设计：基于深度学习的检测/分类的AI流水线
19 | 方案交付：支持在线识别和API调用的AI SaaS
商品检测篇：使用RetinaNet瞄准你的货架商品 (12讲)
20 | 基础：目标检测问题定义与说明
21 | 基础：深度学习在目标检测中的应用
22 | 理论：R-CNN系列二阶段模型综述
23 | 理论：YOLO系列一阶段模型概述
24 | 应用：RetinaNet 与 Facol Loss 带来了什么
25 | 应用：检测数据标注方法与流程
26 | 应用：划分检测训练集与测试集
27 | 应用：生成 CSV 格式数据集与标注
28 | 应用：使用TensorFlow 2训练RetinaNet
29 | 应用：使用RetinaNet检测货架商品
30 | 扩展：目标检测常用数据集综述
31 | 扩展：目标检测更多应用场景介绍
商品识别篇：使⽤ResNet识别你的货架商品 (8讲)
32 | 基础：图像分类问题定义与说明
33 | 基础：越来越深的图像分类网络
34 | 应⽤：检测SKU抠图与分类标注流程
35 | 应⽤：分类训练集与验证集划分
36 | 应⽤：使⽤TensorFlow 2训练ResNet
37 | 应用：使用ResNet识别货架商品
38 | 扩展：图像分类常用数据集综述
39 | 扩展：图像分类更多应⽤场景介绍
业务落地篇：实现货架洞察Web应用 (10讲)
40 | 串联AI流程理论：商品检测与商品识别
41 | 串联AI流程实战：商品检测与商品识别
42 | 展现AI效果理论：使用OpenCV可视化识别结果
43 | 展现AI效果实战：使用OpenCV可视化识别结果
44 | 搭建AI SaaS理论：Web框架选型
45 | 搭建AI SaaS理论：数据库ORM选型
46 | 搭建AI SaaS理论：10分钟快速开发AI SaaS
47 | 搭建AI SaaS实战：10 分钟快速开发AI SaaS
48 | 交付AI SaaS：10分钟快速掌握容器部署
49 | 交付AI SaaS：部署和测试AI SaaS
TensorFlow 2进阶使⽤ (7讲)
50 | 使⽤TensorFlow 2实现图像数据增强
51 | 使⽤TensorFlow 2实现分布式训练
52 | 使⽤TensorFlow Hub迁移学习
53 | 使⽤@tf.function提升性能
54 | 使⽤TensorFlow Serving部署云端服务
55 | 使⽤TensorFlow Lite实现边缘智能
56 | 结束语
| 
