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
03 | TensorFlow 2新特性04 | TensorFlow 2核心模块05 | TensorFlow 2 vs TensorFlow 1.x06 | TensorFlow 2落地应⽤
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 API12 | Fashion MNIST数据集介绍13 | 使用TensorFlow2训练分类网络
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
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RetinaNet29 | 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
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ResNet37 | 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
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 SaaS47 | 搭建AI SaaS实战:10 分钟快速开发AI SaaS48 | 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
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