人工精选《深度学习：从入门到精通：基于Keras》基础篇
值不值得学：先想清楚你要用它解决什么问题 Keras 本质上是一层封装在 TensorFlow 之上的接口，它的核心价值是让你用极少的代码把神经网络搭起来。这门基础篇解决的是一个非常具体的痛点：很多上班族看了一堆深度学习理论，但到自己写代码时连环境都配不齐，更不知道怎么把一个神经元模型跑通。它没有去
会员 · 按档位
游客按标价购买，不享受上表折扣。
支付成功后自动发放网盘链接，链接失效可找客服免费补
值不值得学：先想清楚你要用它解决什么问题
Keras 本质上是一层封装在 TensorFlow 之上的接口，它的核心价值是让你用极少的代码把神经网络搭起来。这门基础篇解决的是一个非常具体的痛点：很多上班族看了一堆深度学习理论，但到自己写代码时连环境都配不齐，更不知道怎么把一个神经元模型跑通。它没有去讲宏大的通用人工智能叙事，而是聚焦在“怎么用 Python 把概念变成能运行的脚本”这件事上。如果你的工作场景里需要做些基础的数据预测、图像分类的原型验证，或者你正打算转行做算法相关岗位但缺乏代码落地能力，这套资料能帮你补上从理论到代码的那一环。但如果你指望看完就能立刻去训练大模型，或者期望解决复杂的业务部署，基础篇的深度还不够，别抱这种预期。
适合什么基础：别硬啃，先对号入座
这套资料适合已经能写简单 Python 脚本、懂基础数据处理，但没碰过深度学习框架的人。如果你连变量和循环都写不利索，建议先补 Python 基础，直接看这门课会在环境配置阶段就卡死。资料前半部分花了大量篇幅讲 Anaconda 安装、conda 命令操作以及 GPU 硬件环境准备，这说明它的默认受众是“有电脑但没配过算法环境”的普通开发者。对于已经熟练使用 PyTorch 或者有过完整模型训练经验的人来说，这部分内容会显得啰嗦，你只需要快速过一遍神经元结构和激活函数的 TensorFlow 实现即可。
资料怎么用：按顺序搭环境，别跳着看
建议先看课程介绍和神经网络基础概述，弄懂这门课到底在讲什么模型架构，然后再去跟着视频一步步装 Anaconda、配 conda 环境。很多人买完资料喜欢直接跳到代码实现部分，但深度学习的环境配置本身就是个坑，GPU 版本的硬件准备如果跳过了，后面的代码大概率跑不起来。环境跑通之后，重点放在“用 Python 实现神经元”和“激活函数的 TensorFlow 实现”这几块。学完这些，你应该能独立做这几件事：在自己的电脑上搭好一套能跑深度学习代码的环境，用 Keras 写出一个最简单的神经元前向传播逻辑，并且知道怎么选用不同的激活函数。练习的时候不要光看视频，把课程里的代码自己敲一遍，改改参数看看输出变化，这样才算真正把知识迁移到了自己手里。
即学到深度学习理论，更能通过案例学习能提升代码动手能力，能将所学知识迁移到自己实际工作
课程目录
* 01 深度学习基础/
* 01 课程介绍.mp4 06:53
* 02 神经网络基础概述.mp4 02:20
* 03 神经元结构讲解.mp4 08:13
* 04 用python实现神经元demo.mp4 10:56
* 05 激活函数概述.mp4 09:04
* 06 激活函数的Tensorflow实现1.mp4 10:32
* 07 激活函数的Tensorflow实现2.mp4 12:32
* 08 神经网络的拓扑架构.mp4 03:41
* 09 常用深度学习模型介绍.mp4 06:32
* 10 深度学习框架.mp4 03:46
* 11 Tensorflow GPU版本所需的硬件环境准备.mp4 09:40
* 12 Anaconda的安装.mp4 17:08
* 13 conda常用命令操作的用法.mp4 11:54
* 14 Tensorflow的安装及查看（CPU、GPU版）.mp4 07:22
* 15 Tensor数据类型及创建函数介绍.mp4 10:41
* 16 Tensor数据类型及创建函数案例演示.mp4 18:30
* 17 Tensorlow其他常用函数及数学运算.mp4 15:38
* 18 tf.data.Dataset对象简介.mp4 10:04
* 19 tf.GradientTape讲解.mp4 12:58
* 20 tf.one_hot和tf.argmax函数讲解.mp4 05:27
* 21 MNIST数据集概述及加载.mp4 13:22
* 22 MNIST数据预处理.mp4 09:00
* 23 构建及编译模型.mp4 07:05
* 24 构建及编译模型代码实现.mp4 04:43
* 25 模型训练及代码实现.mp4 11:34
* 26 将数据转换为tf.data.Dataset再训练模型.mp4 04:31
* 27 另一种方式，使用 tf.GradientTape 来训练模型.mp4 15:29
* 28 课后习题讲解.mp4 03:39
* 02 深度学习的数据预处理技术/
* 01 课程内容介绍.mp4 03:56
* 02 数据预处理技术.mp4 17:27
* 03 读取、显示和保存图像1.mp4 06:40
* 04 读取、显示和保存图像2.mp4 11:42
* 05 图像像素的获取和编辑.mp4 10:12
* 06 图像几何变换之图像缩放.mp4 03:22
* 07 图像几何变换之平移变换.mp4 06:26
* 08 图像几何变换之旋转变换.mp4 07:15
* 09 图像几何变换之翻转变换.mp4 10:03
* 10 色彩通道分离和融合.mp4 03:47
* 11 颜色空间转换.mp4 03:47
* 12 利用Tensorflow2进行图像缩放.mp4 16:57
* 13 使用tf.image模块函数对图像进行裁剪.mp4 10:25
* 14 使用tf.image模块函数进行图像色彩调整.mp4 06:48
* 15 使用tf.image模块函数进行图像翻转.mp4 05:34
* 16 Jieba中文分词介绍.mp4 07:08
* 17 使用jieba.cut进行中文分词案例演示.mp4 06:52
* 18 jieba添加自定义词典.mp4 02:48
* 19 jieba添加自定义词典案例讲解.mp4 10:47
* 20 关键词提取.mp4 05:48
* 21 词性标注.mp4 02:19
* 22 分词器Tokenizer.mp4 13:08
* 23 Keras的one_hot转换.mp4 13:37
* 24 填充序列pad_sequences函数.mp4 13:46
* 25 案例分析：导入本地文本数据.mp4 05:58
* 26 案例分析：添加中文文本分词的停止词库和词典库.mp4 09:22
* 27 案例分析：中文文本分词及词云展示.mp4 16:42
* 28 案例分析：构建分词器及填充序列.mp4 05:06
* 29 课后习题讲解：判断题和选择题.mp4 08:13
* 30 课后习题讲解：实训题代码讲解.mp4 12:33
* 03 用Keras开发深度学习模型/
* 01 本章内容介绍.mp4 04:42
* 02 定义网络1.mp4 03:04
* 03 定义网络2.mp4 13:01
* 04 编译网络.mp4 02:26
* 05 训练网络.mp4 04:47
* 06 评估及预测网络.mp4 02:21
* 07 Keras模型类型.mp4 01:38
* 08 顺序型API模型.mp4 12:15
* 09 函数式API模型讲解.mp4 15:21
* 10 网络拓扑可视化.mp4 12:28
* 11 网络拓扑可视化-补充说明.mp4 02:42
* 12 TensorBoard可视化1.mp4 05:17
* 13 TensorBoard可视化2.mp4 09:38
* 14 TensorBoard可视化3.mp4 12:53
* 15 TensorBoard可视化4.mp4 06:47
* 16 回调函数介绍.mp4 08:33
* 17 使用回调函数寻找最优模型1.mp4 07:59
* 18 使用回调函数寻找最优模型2.mp4 12:25
* 19 模型的保存及加载.mp4 04:34
* 20 使用SaveModel格式保存模型.mp4 06:49
* 21 使用SaveModel格式保存模型2-案例演示.mp4 03:35
* 22 使用SaveModel格式保存模型3-保存模型加载及验证.mp4 09:23
* 23 使用SaveModel格式保存模型3-保存为H5文件.mp4 03:33
* 24 使用SaveModel格式保存模型4-保存及加载模型结构.mp4 08:53
* 25 使用SaveModel格式保存模型5-保存及加载模型权重.mp4 06:42
* 26 使用JSON格式保存及加载模型.mp4 09:07
* 27 案例分析：Titanic数据导入及删除多余变量.mp4 09:32
* 28 案例分析：缺失值的识别及插补.mp4 17:37
* 29 案例分析：one_hot编码、数据拆分、标准化处理..mp4 12:45
* 30 案例分析：定义和编译网络模型.mp4 12:43
* 31 案例分析：模型训练及训练周期结果可视化.mp4 05:58
* 32 课后习题：判断和选择题讲解.mp4 05:15
* 33 课后习题：实训题1.mp4 10:37
* 34 课后习题：实训题2和3.mp4 04:14
* 04 卷积神经网络基本原理及实现/
* 01 简述全连接神经网络在图像数据处理中的不足处.mp4 08:24
* 02 卷积网络基本原理.mp4 09:31
* 03 卷积层原理概述.mp4 08:54
* 04 卷积层原理-padding技巧.mp4 05:34
* 05 卷积层原理-padding示例讲解.mp4 13:58
* 06 卷积层原理-移动步长示例讲解.mp4 11:11
* 07 输出特征图的宽、高计算公式.mp4 06:04
* 08 卷积层Tensorflow实现函数讲解.mp4 07:16
* 09 tf.keras.layers.Conv2D方法1.mp4 12:26
* 10 f.keras.layers.Conv2D方法2.mp4 03:46
* 11 tf.keras.layers.Conv2D方式实现卷积运算.mp4 07:41
* 12 tf.keras.layers.Conv2D方式4.mp4 06:21
* 13 卷积层对图像进行卷积运算示例讲解.mp4 13:27
* 14 池化层原理及实现详解.mp4 10:40
* 15 池化层实现的demo演示.mp4 05:33
* 16 池化层的特点及demo演示.mp4 08:02
* 17 池化层TensorFlow实现及案例演示.mp4 09:07
* 18 卷积神经网络中的全连接层和展平层介绍.mp4 05:15
* 19 迁移学习概述.mp4 09:25
* 20 迁移学习进行微调的三种策略.mp4 05:20
* 21 使用Keras 实现迁移学习之VGG16网络架构介绍.mp4 15:36
* 22 使用Keras 实现迁移学习之VGG16函数介绍.mp4 08:26
* 23 使用Keras 实现迁移学习之VGG16示例.mp4 05:25
* 24 使用Keras实现迁移学习之演示VGG16()函数下载及实例.mp4 09:49
* 25 利用VGG16对本地汽车图像进行预测.mp4 13:29
* 26 利用VGG16对本地汽车图像进行预测2.mp4 06:35
同类课程
和你正在看的这门一个方向
体系课AI大模型开发2026线下版V7.5
永久有效 · 网盘发货
体系课小滴课堂新一代AI全栈工程师-微服务AI智能面试对话平台
永久有效 · 网盘发货
体系课QCon 北京 2026 （4 月）
永久有效 · 网盘发货
体系课AI+全能测试工程师
永久有效 · 网盘发货
体系课小滴课堂中间件项目大课-自动化云测平台/Spingboot3.X/微服务/Kafka3.x
永久有效 · 网盘发货
体系课图灵工控一期：上位机+AI
永久有效 · 网盘发货