神经网络与深度学习——TensorFlow实践-5.2 创建NumPy数组（上）-网易公开课

已购课程

个人中心 

内容中心

 关注我们

进入关怀模式

APP下载

反馈

5.2 创建NumPy数组（上）

1476 播放

下载

手机看

登录后可发评论

评论沙发是我的～

选集(152)

自动播放

[1] 0 课程概述（上）

1.1万播放

07:04

0 课程概述（上）

[2] 0 课程概述（下）

2202播放

07:05

0 课程概述（下）

[3] 1.1 人工智能的诞生（上）

2386播放

07:30

1.1 人工智能的诞生（上）

[4] 1.1 人工智能的诞生（下）

2235播放

07:33

1.1 人工智能的诞生（下）

[5] 1.2 人工智能的发展

1810播放

09:20

1.2 人工智能的发展

[6] 2.1 开发环境介绍

2333播放

06:15

2.1 开发环境介绍

[7] 2.2 Anaconda的下载与安...

2444播放

08:35

2.2 Anaconda的下载与安装

[8] 2.3 Hello,Word

1542播放

06:49

2.3 Hello,Word

[9] 2.4 使用JupyterNote...

1866播放

07:57

2.4 使用JupyterNotebook（上）

[10] 2.4 使用JupyterNote...

1392播放

07:54

2.4 使用JupyterNotebook（下）

[11] 2.5 包管理和环境管理

1273播放

03:21

2.5 包管理和环境管理

[12] 2.6 安装TensorFlow2...

1934播放

07:58

2.6 安装TensorFlow2.x

[13] 2.7 安装Tensorflow2...

990播放

09:41

2.7 安装Tensorflow2.xGPU版本

[14] 3.1 初识Python（上）

1529播放

07:07

3.1 初识Python（上）

[15] 3.1 初识Python（下）

1518播放

07:10

3.1 初识Python（下）

[16] 3.1 初识Python（上）

1815播放

07:46

3.1 初识Python（上）

[17] 3.1 初识Python（下）

934播放

07:49

3.1 初识Python（下）

[18] 3.2 第一个Python程序

1549播放

08:01

3.2 第一个Python程序

[19] 3.3 输入和输出（上）

1024播放

05:14

3.3 输入和输出（上）

[20] 3.3 输入和输出（下）

1016播放

05:15

3.3 输入和输出（下）

[21] 3.4 常量、变量和表达式（上）

1112播放

07:33

3.4 常量、变量和表达式（上）

[22] 3.4 常量、变量和表达式（下）

872播放

07:32

3.4 常量、变量和表达式（下）

[23] 3.4 常量、变量和表达式（上）

1153播放

06:01

3.4 常量、变量和表达式（上）

[24] 3.4 常量、变量和表达式（下）

1012播放

06:07

3.4 常量、变量和表达式（下）

[25] 3.5 程序控制语句

1172播放

09:17

3.5 程序控制语句

[26] 3.5 程序控制语句（上）

1652播放

08:44

3.5 程序控制语句（上）

[27] 3.5 程序控制语句（下）

1629播放

08:45

3.5 程序控制语句（下）

[28] 4.1 内置数据结构（上）

759播放

07:01

4.1 内置数据结构（上）

[29] 4.1 内置数据结构（下）

1124播放

06:59

4.1 内置数据结构（下）

[30] 4.1 内置数据结构（上）

1379播放

06:28

4.1 内置数据结构（上）

[31] 4.1 内置数据结构（下）

683播放

06:26

4.1 内置数据结构（下）

[32] 4.2 函数和模块（上）

1537播放

06:46

4.2 函数和模块（上）

[33] 4.2 函数和模块（下）

831播放

06:50

4.2 函数和模块（下）

[34] 4.2 函数和模块（上）

1446播放

06:08

4.2 函数和模块（上）

[35] 4.2 函数和模块（下）

1388播放

06:13

4.2 函数和模块（下）

[36] 4.3 Python面向对象编程

786播放

09:19

4.3 Python面向对象编程

[37] 4.3 Python面向对象编程（...

1178播放

06:42

4.3 Python面向对象编程（上）

[38] 4.3 Python面向对象编程（...

1276播放

06:39

4.3 Python面向对象编程（下）

[39] 4.4 文件（上）

1691播放

06:45

4.4 文件（上）

[40] 4.4 文件（下）

1340播放

06:48

4.4 文件（下）

[41] 4.5 异常处理

1536播放

08:46

4.5 异常处理

[42] 4.6 上下文管理器

1602播放

08:34

4.6 上下文管理器

[43] 5.1 多维数组

1612播放

06:31

5.1 多维数组

[44] 5.2 创建NumPy数组（上）

1476播放

待播放

5.2 创建NumPy数组（上）

[45] 5.2 创建NumPy数组（下）

861播放

07:24

5.2 创建NumPy数组（下）

[46] 5.3 数组运算（上）

1066播放

05:30

5.3 数组运算（上）

[47] 5.3 数组运算（下）

971播放

05:28

5.3 数组运算（下）

[48] 5.3 数组运算

1514播放

09:57

5.3 数组运算

[49] 5.4 矩阵和随机数（上）

990播放

05:15

5.4 矩阵和随机数（上）

[50] 5.4 矩阵和随机数（下）

1687播放

05:18

5.4 矩阵和随机数（下）

[51] 6.1 Matplotlib绘图基...

1582播放

06:42

6.1 Matplotlib绘图基础（上）

[52] 6.1 Matplotlib绘图基...

1583播放

06:42

6.1 Matplotlib绘图基础（下）

[53] 6.2 散点图（上）

905播放

05:25

6.2 散点图（上）

[54] 6.3 折线图和柱形图

1067播放

08:33

6.3 折线图和柱形图

[55] 6.4 实例：波士顿房价数据集可视...

1650播放

05:04

6.4 实例：波士顿房价数据集可视化（上）

[56] 6.4 实例：波士顿房价数据集可视...

956播放

05:07

6.4 实例：波士顿房价数据集可视化（下）

[57] 6.4 实例：波士顿房价数据集可视...

1459播放

07:13

6.4 实例：波士顿房价数据集可视化

[58] 6.5 实例：鸢尾花数据集可视化

1650播放

07:48

6.5 实例：鸢尾花数据集可视化

[59] 6.5 实例：鸢尾花数据集可视化

925播放

09:25

6.5 实例：鸢尾花数据集可视化

[60] 6.5 实例：鸢尾花数据集可视化（...

1038播放

05:54

6.5 实例：鸢尾花数据集可视化（上）

[61] 6.5 实例：鸢尾花数据集可视化（...

987播放

05:56

6.5 实例：鸢尾花数据集可视化（下）

[62] 7.1 数字图像基本概念（上）

1249播放

08:41

7.1 数字图像基本概念（上）

[63] 7.1 数字图像基本概念（下）

1768播放

08:41

7.1 数字图像基本概念（下）

[64] 7.2 Pillow图像处理库（上...

1628播放

07:56

7.2 Pillow图像处理库（上）

[65] 7.2 Pillow图像处理库（下...

1286播放

07:55

7.2 Pillow图像处理库（下）

[66] 7.3 实例：手写数字数据集MNI...

1095播放

06:23

7.3 实例：手写数字数据集MNIST

[67] 8.1 TensorFlow2.0...

1581播放

09:19

8.1 TensorFlow2.0特性（上）

[68] 8.1 TensorFlow2.0...

826播放

09:18

8.1 TensorFlow2.0特性（下）

[69] 8.2 创建张量（上）

1624播放

07:28

8.2 创建张量（上）

[70] 8.2 创建张量（下）

1757播放

07:30

8.2 创建张量（下）

[71] 8.2 创建张量（上）

1542播放

06:38

8.2 创建张量（上）

[72] 8.2 创建张量（下）

1297播放

06:38

8.2 创建张量（下）

[73] 8.3 维度变换（上）

1617播放

08:38

8.3 维度变换（上）

[74] 8.3 维度变换（下）

1518播放

08:43

8.3 维度变换（下）

[75] 8.4 部分采样

757播放

09:54

8.4 部分采样

[76] 8.5 张量运算（上）

1501播放

05:36

8.5 张量运算（上）

[77] 8.5 张量运算（下）

1488播放

05:36

8.5 张量运算（下）

[78] 8.5 张量运算

1474播放

09:25

8.5 张量运算

[79] 9.1 机器学习基础（上）

1112播放

08:57

9.1 机器学习基础（上）

[80] 9.1 机器学习基础（下）

1263播放

09:03

9.1 机器学习基础（下）

[81] 9.2 一元线性回归（上）

1707播放

05:10

9.2 一元线性回归（上）

[82] 9.2 一元线性回归（下）

1186播放

05:06

9.2 一元线性回归（下）

[83] 9.3 实例：解析法实现一元线性回...

1580播放

06:50

9.3 实例：解析法实现一元线性回归（上）

[84] 9.3 实例：解析法实现一元线性回...

929播放

06:47

9.3 实例：解析法实现一元线性回归（下）

[85] 9.3 实例：解析法实现一元线性回...

1337播放

06:12

9.3 实例：解析法实现一元线性回归

[86] 9.4 多元线性回归（上）

1697播放

05:19

9.4 多元线性回归（上）

[87] 9.4 多元线性回归（下）

1466播放

05:22

9.4 多元线性回归（下）

[88] 9.5 实例：解析法实现多元线性回...

938播放

07:42

9.5 实例：解析法实现多元线性回归

[89] *9.6实例：三维模型可视化

865播放

05:55

*9.6实例：三维模型可视化

[90] *9.6实例：三维模型可视化（上...

1220播放

05:52

*9.6实例：三维模型可视化（上）

[91] *9.6实例：三维模型可视化（下...

1715播放

05:50

*9.6实例：三维模型可视化（下）

[92] 10.1 梯度下降法基本原理（上）

1214播放

08:08

10.1 梯度下降法基本原理（上）

[93] 10.1 梯度下降法基本原理（下）

1160播放

08:12

10.1 梯度下降法基本原理（下）

[94] 10.2 实例：梯度下降法实现线性...

1081播放

06:32

10.2 实例：梯度下降法实现线性回归问题

[95] 10.2 实例：梯度下降法实现线性...

1596播放

06:35

10.2 实例：梯度下降法实现线性回归问题（上）

[96] 10.2 实例：梯度下降法实现线性...

1369播放

06:33

10.2 实例：梯度下降法实现线性回归问题（下）

[97] 10.2 实例：梯度下降法实现线性...

758播放

08:06

10.2 实例：梯度下降法实现线性回归问题

[98] 10.3 TensorFlow的可...

806播放

06:22

10.3 TensorFlow的可训练变量和自动求导机制

[99] 10.3 TensorFlow的可...

1459播放

08:36

10.3 TensorFlow的可训练变量和自动求导机制

[100] 10.4 实例：TensorFlo...

1582播放

05:14

10.4 实例：TensorFlow实现梯度下降法（上）

[101] 10.4 实例：TensorFlo...

1416播放

05:10

10.4 实例：TensorFlow实现梯度下降法（下）

[102] 10.5 模型评估

1332播放

07:36

10.5 模型评估

[103] 10.6 实例：波士顿房价预测

978播放

08:15

10.6 实例：波士顿房价预测

[104] 10.6 实例：波士顿房价预测

959播放

09:17

10.6 实例：波士顿房价预测

[105] 11.1 逻辑回归

1651播放

03:32

11.1 逻辑回归

[106] 11.1 逻辑回归

1302播放

09:30

11.1 逻辑回归

[107] 11.1 逻辑回归

966播放

09:00

11.1 逻辑回归

[108] 11.2 实例：实现一元逻辑回归（...

1720播放

07:32

11.2 实例：实现一元逻辑回归（上）

[109] 11.2 实例：实现一元逻辑回归（...

901播放

07:34

11.2 实例：实现一元逻辑回归（下）

[110] 11.3 线性分类器

1169播放

06:06

11.3 线性分类器

[111] 11.4 实例：实现多元逻辑回归（...

1249播放

07:17

11.4 实例：实现多元逻辑回归（上）

[112] 11.4 实例：实现多元逻辑回归（...

1483播放

07:23

11.4 实例：实现多元逻辑回归（下）

[113] 11.4 实例：实现多元逻辑回归

1017播放

07:48

11.4 实例：实现多元逻辑回归

[114] 11.5 多分类问题（上）

1049播放

06:10

11.5 多分类问题（上）

[115] 11.5 多分类问题（下）

957播放

06:07

11.5 多分类问题（下）

[116] 11.6 实例：实现多分类（上）

916播放

05:40

11.6 实例：实现多分类（上）

[117] 11.6 实例：实现多分类（下）

1274播放

05:38

11.6 实例：实现多分类（下）

[118] 12.1 神经元与感知机（上）

1482播放

06:44

12.1 神经元与感知机（上）

[119] 12.1 神经元与感知机（下）

1378播放

06:41

12.1 神经元与感知机（下）

[120] 12.2 实例：单层神经网络实现鸢...

1820播放

06:14

12.2 实例：单层神经网络实现鸢尾花分类（上）

[121] 12.2 实例：单层神经网络实现鸢...

1468播放

06:15

12.2 实例：单层神经网络实现鸢尾花分类（下）

[122] 12.3 多层神经网络（上）

1597播放

07:14

12.3 多层神经网络（上）

[123] 12.3 多层神经网络（下）

1122播放

07:18

12.3 多层神经网络（下）

[124] 12.3 多层神经网络

1431播放

05:10

12.3 多层神经网络

[125] 12.4 误差反向传播算法（上）

953播放

07:35

12.4 误差反向传播算法（上）

[126] 12.4 误差反向传播算法（下）

1244播放

07:33

12.4 误差反向传播算法（下）

[127] 12.5 激活函数（上）

1168播放

06:24

12.5 激活函数（上）

[128] 12.5 激活函数（下）

984播放

06:28

12.5 激活函数（下）

[129] 12.6 实例：多层神经网络实现鸢...

1317播放

07:11

12.6 实例：多层神经网络实现鸢尾花分类

[130] 13.1 小批量梯度下降法（上）

710播放

06:20

13.1 小批量梯度下降法（上）

[131] 13.1 小批量梯度下降法（下）

1660播放

06:25

13.1 小批量梯度下降法（下）

[132] 13.2 梯度下降法的优化

767播放

09:04

13.2 梯度下降法的优化

[133] 13.2 梯度下降法的优化（上）

751播放

07:44

13.2 梯度下降法的优化（上）

[134] 13.2 梯度下降法的优化（下）

1588播放

07:42

13.2 梯度下降法的优化（下）

[135] 13.3 keras和tf.ker...

1374播放

04:02

13.3 keras和tf.keras

[136] 13.4 Sequential模型...

1310播放

10:01

13.4 Sequential模型（上）

[137] 13.4 Sequential模型...

1181播放

10:07

13.4 Sequential模型（下）

[138] 13.5 实例：Sequentia...

1497播放

06:54

13.5 实例：Sequential模型实现手写数字识别（上）

[139] 13.5 实例：Sequentia...

1829播放

06:57

13.5 实例：Sequential模型实现手写数字识别（下）

[140] 13.6 实例：模型的保存和加载（...

862播放

05:55

13.6 实例：模型的保存和加载（上）

[141] 13.6 实例：模型的保存和加载（...

1303播放

05:53

13.6 实例：模型的保存和加载（下）

[142] 14.1 深度学习基础（上）

957播放

05:10

14.1 深度学习基础（上）

[143] 14.1 深度学习基础（下）

1686播放

05:11

14.1 深度学习基础（下）

[144] 14.1 深度学习基础

1104播放

06:14

14.1 深度学习基础

[145] 14.2 图像识别与深度学习（上）

1405播放

05:05

14.2 图像识别与深度学习（上）

[146] 14.2 图像识别与深度学习（下）

1153播放

05:07

14.2 图像识别与深度学习（下）

[147] 14.3 图像卷积

1106播放

05:39

14.3 图像卷积

[148] 14.3 图像卷积

898播放

09:49

14.3 图像卷积

[149] 14.4 卷积神经网络

1535播放

07:24

14.4 卷积神经网络

[150] 14.4 卷积神经网络

974播放

06:24

14.4 卷积神经网络

[151] 14.7 实例：卷积神经网络识别c...

1107播放

05:33

14.7 实例：卷积神经网络识别cifar10图片（上）

[152] 14.7 实例：卷积神经网络识别c...

1730播放

05:32

14.7 实例：卷积神经网络识别cifar10图片（下）