- 深度學習教學投影片
- Udemy30 天內無條件退款
- 成為大數據分析師,深入挖掘商業智慧,與資料大數據工程,TensorFlow+Keras親手打造MNIST手寫辨識。
- 本課程有一天學會 Python,Python 深度學習和Python TensorFlow卷積深度學習CNN親手打造手寫辨識三個重要課程。
- 循序漸進,從基礎到實作,從Python程式語言到Python深度學習與Python機器學習,再到專精TensorFlow 親手打造MNIST手寫辨識.
- Python 機器學習-親手打造影像辨識系統,親手使用TensorFlow CNN卷積深度學習影像辨識TensorFlow 計算圖及Tensorboard.整合Python深度學習與Python機器學習課程
- 這是華人界的知名科學家吳佳諺所推出的線上課程。
- 17個小時…三大課程…71個講座…讓你完全了解Python程式語言與Python深度學習類神經網路,卷積CNN深度學習類神經網路,RNN影評資料IMDB滿意度分析,TensorFlow親手打造MNIST手寫辨識,讓您徹底瞭解CNN類神經卷積深度學習.
- 從觀念入門,親手打造手寫辨識,讓你全盤了解Python資料科學,Python商管應用。
- 初學者到進階使用者,對資料科學有興趣的人,商管財經人士,文法商人員,一般工程師,理工醫,電子電機與資料工程師、資料科學家。
- 讓自己鍍金,提升自我價值。
- Python 深度學習,徹底研究深度學習課程,一天學會 Python–從零開始徹底精通Python 程式語言,Python 機器學習為徹底研究機器學習。
- 一天學會 Python–從零開始徹底精通Python 程式語言,Python 深度學習,Python 機器學習 為徹底研究機器學習,徹底研究深度學習課程。
- 這三套課程一天學會 Python為基礎重要課程,這三套為大數據人工智慧機器學習整合徹底研究課程
———–一天學會Python————–
- 1.下載及安裝Python軟體1-1.在Mac下載及安裝Python軟體使用pip install 套件名稱
- 安裝套件
- pip install 套件名稱
- 解除安裝套件
- pip uninstall 套件名稱
- 檢視目前系統已經安裝的套件
- pip list
安裝Anaconda,Numpy,Matplotilib
在Mac選取Launchpad打開Anaconda Navigator
在Mac可以選取Spider或jupyter notebook來執行
1-2.在Window 10下載及安裝Python軟體
在Window 10下載及安裝Python軟體
- 在Window 10下載及安裝Python軟體
這是安裝程式軟體的路徑,預設是安裝在C:\Programs目錄下
在Window 10打開Python開發環境
這是Python的Shell直譯器
按下win鍵,選取命令提示字元
在命令提示字元下輸入python
進入python直譯器
離開python直譯器輸入exit()
- 在Windows 10安裝Anaconda
安裝Anaconda,Numpy,Matplotilib
選取Python 3.6版本
使用conda安裝模組
選取Spider
選取Jupyter Notebook
1-3下載及安裝PyCharm
在Mac下載及安裝PyCharm
安裝完Python後,設定直譯器路徑
Pycharm可以使用Python和Jupyter notebook的檔案
在Pycharm新增函式庫
在Windows 10下安裝Pycharm
下載Community版
2.Python直譯器與計算機
- Mac電腦/usr/local/bin
- Windows電腦C:\python36
- set path=%path%;C:\python36
- 這是設定utf-8-*-編碼
- #-*- coding: utf-8 -*-
- #是註解符號
- 輸入python執行
- $ python
變數資料型態
-
- 整數
- 浮點數
- 字串
- 運算式是由運算子與運算元組成
- +加-減*乘/除是運算子,先乘除後加減的結合優先順序
- 運算元是變數,數字,字串和資料結構
- =是分配符號,將右邊的值分配給左邊變數
3.資料結構
- 變數
- 運算式與運算子
- 串列
- 堆疊
- 佇列
數組tuple,集合set和字典
- 可以用數組tuple來儲存固定的元素,使用小括號()來建立一數組tuple
- 集合的元素放置沒有按照順序,可以使用{}大括號來建立一集合Set
- 集合加上索引就是字典{索引:值}
4.控制結構
- 布林運算式,布林值為True或False
- 在if敘述中,條件後的敘述只執行一次,而在while敘述中,則可執行一次以上。
- While敘述的程序圖形中.選取結構和循序結構,都只執行程式敘述一次,如果我們要讓同一行程式重複執行好幾遍則要用迴圈敘述。
- 迴圈敘述可以重複執行某一段程式好幾遍,直到條件的不成立才跳出這個迴圈。
- 選取結構if
- 語法if:
- if 條件運算式:
- 程式敘述1
- else:
- 程式敘述2
- 迴圈結構while,for
- 語法:
- for 計數變數 in range(起始值,終始值):
- 程式敘述
5.函數
- 將多個複雜的程式區塊包在函數裡面,這樣在需要時,可以重複呼叫它.
- 遞迴函數是自己呼叫自己的函數,有最終值,開始回傳.
6.類別
成員屬性與成員方法
類別和實體變數
- _init__(self,..)為建構函數,實體化物件時會呼叫它
- self為自己這個物件
- __init__(self)建構物件,
__del__(self)解構物件
7.繼承
- class 子類別(父類別1,父類別2,父類別3,..):
- 敘述1
- 敘述2
- 當子類別繼承 (inheritance) 超過一個來源的時候,會以寫在最左邊的父類別優先繼承,多個父類別如果有相同名稱的屬性 (attribute) 與方法 (method) ,就會以最左邊的父類別優先。
多型:子類別和父類別有同名的getEngine()名稱
8.異常或錯誤處理
- 使用raise關鍵字丟出例外
- 開啟,關閉及寫入檔案
- 檔案處理
- fp=open(‘檔案名稱’,’檔案開啟模式’)
9.使用matplotlib畫圖
- Matplotlib.pyplot是畫圖的命令集合函數.每一個pyplot函數可以建立或修改圖形
10.Python 資料結構與畫圖簡介
- •數組tuple和集合set
- •Scipy科學函數庫
- •numpy模組建立矩陣
- •Pandas資料結構
- •Matplotlib畫圖
11.數組tuple和集合set和Scipy科學函數庫
- 可以用數組tuple來儲存固定的元素,使用小括號()來建立一數組tuple
- 集合的元素放置沒有按照順序,可以使用{}大括號來建立一集合Set
- Scipy模組提供科學運算及線性代數的運算模組
12.numpy模組建立矩陣
- •numpy模組建立矩陣
- •矩陣運算
- •reshape()改變陣列的長寬
- •np.zeros((10,3))產生10*3的矩陣
13.Pandas資料結構
- •使用pip install安裝pandas
- •Pandas讀取csv
- •讀取台灣加權股價指數csv檔,big5編碼
- •Series序列資料
- •pandas的DataFrame
- •資料選擇與篩選
- lambda可調式參數
14.Matplotlib畫圖2
- •Matplotlib畫圖
- •plt.plot([1,2,3,4])預設是X軸
- •# ‘r—’紅色虛線,’bs’藍色矩形,’g^’綠色三角形
- •scatter()散點圖函數
- •meshgrid()函數畫網格
——–Python 類神經網路深度學習———-
15.Python 類神經網路深度學習
- 安裝Tensorflow
- 安裝Keras
- 類神經網路圖形辨識MNIST
- 類神經深度學習
- 繪製實際和預測結果的手寫辨識
16.Python深度學習 類神經網路
- 類神經網路
- 微分chain rule
- 類神經網路深度學習
- 啟動函數
17.CNN,卷積類神經網路
- 卷積神經網路CNN
- 卷積神經網路CNN
- CNN,特徵取樣
- CNN程式使用keras
18.遞迴神經網路RNN
- 遞迴類神經網路RNN
- Google的LSTM遞迴類神經網路
- IMDb影評資料滿意度分析
- 建立RNN遞迴類神經的模型
- LSTM實作
類神經深度學習
- ‧add()我們可以一層一層的將神經網路疊起。在每一層之中我們只需要設定每層的大小(units)與啟動函數(activation function)。
- ‧第一層輸入向量大小、最後一層為units要等於輸出的向量大小。
- 最後一層的啟動函數(activation function)為softmax。
- softmax()為歸一化指數函數,將向量的值歸ㄧ化為0到1之間。
———–Python TensorFlow卷積深度學習CNN親手打造手寫辨識————-
19.TensorFlow
TensorFlow
張量的資料型態
- tf.Variable
- tf.Constant
- tf.Placeholder
assign動態調整參數
可以透過動態調整不同的參數組合,讓誤差值cost最小。若要調整 variable 的值可以使用assign函數。
TensorFlow的變數
訓練前需初始化變數
圖形和Sessions
- TensorFlow使用圖形來代表計算操作的相依
- 使用TensorFlow的session來平行執行圖形
- sess.run()則使用這個建立好的會話來執行結果
當with子句上下文結束時,會話關閉和資源釋放也自動完成,因此沒有用close()函數關掉Session會話
TensorFlow placeholder
輸入參數dtype為資料型態,shape維度,name為名稱
placeholder 是一種可以讓計算圖形保留輸入欄位的節點,並允許實際的輸入值留到後來再指定。
範例實作
執行計算圖
執行tensorboard且設定目錄
- —logdir為指定紀錄的目錄
TensorFlow手寫辨識演算法
- 載入mnist手寫辨識資料
- W是權重,b是偏差,X是輸入
- 輸入X乘與權重W加bios,經過softmax得到y
- 訓練模型使用交叉熵的成本
- 使用梯度遞減微分求取最小交叉嫡
- 評估模型
TensorFlow手寫辨識實作
- TensorFlow函數
- 手寫辨識實作
- 顯示手寫訓練圖片
- tf.matmul()為矩陣內積相乘
- Class GradientDescentOptimizer類別
20.TensorFlow卷積深度學習CNN手寫辨識
- 輸入tensorflow函式庫
- 定義卷積conv2d和最大池化
- 深度學習函數deepnn(x)
- 第二卷積層對應 32 特徵向量到64
- 交叉熵最佳化
- 平行計算會議
- 準確度98.59%
- TensorBoard的計算圖Graphs
TensorFlow 實作課程 (Python 機器學習-親手打造影像辨識系統)
TensorFlow CNN卷積深度學習影像辨識
安裝Tensorflow
- 在PyCharm新增TensorFlow
Cifar-10圖片集
啟動Tensorboard
- TensorFlow卷積的圖形
- TensorFlow conv_1卷積變數的範圍
- TensorFlow Visualization視覺化輸出
- TensorFlow 計算圖 全連接層神經元
- TensorFlow 全連接層神經元fully_connected_1變數範圍
- TensorFlow Cifar_10影像特徵圖
TensorFlow Saver類別儲存變數
混淆矩陣
21.SVM萬用分類機
- Support Vector Regression 迴歸分析