TensorFlow 2项目进阶实战学习心得

TensorFlow 2项目进阶实战学习心得

FashionMNIST数据集介绍    

TensorFlow2数据导入与使⽤    

串联AI流程理论：商品检测与商品识别    

串联AI流程实战：商品检测与商品识别    

搭建AI SaaS理论：Web框架选型    

搭建AISaaS理论：10分钟快速开发AISaaS    

搭建AISaaS理论：数据库ORM选型    

搭建AISaaS实战：10分钟快速开发AISaaS    

短期目标：自动化陈列审核和促销管理    

方案交付：支持在线识别和API调用的AI SaaS 已学完    

方案设计：基于深度学习的检测    

行业背景：AI新零售是什么    

基础：目标检测问题定义与说明    

基础：深度学习在目标检测中的应用    

基础：图像分类问题定义与说明    

基础：越来越深的图像分类网络    

交付AISaaS：10分钟快速掌握容器部署    

交付AISaaS：部署和测试AISaaS    

扩展：目标检测常用数据集综述    

扩展：目标检测更多应用场景介绍    

扩展：图像分类常用数据集综述    

扩展：图像分类更多应3场景介绍    

理论：YOLO系列一阶段模型概述    

理论R-CNN系列二阶段模型综述    

使@tf.function提升性能    

使TensorFlow2实现分布式训练    

使TensorFlow2实现图像数据增强    

使TensorFlowHub迁移学习    

使TensorFlowLite实现边缘智能    

使TensorFlowServing部署云端服务    

使用TensorFlow2训练分类网络    

使用tf.keras.datasets加载数据    

使用tf.keras管理functionalAPI    

使用tf.keras管理Sequential模型    

应0：检测SKU抠图与分类标注流程    

应0：使4TensorFlow2训练ResNet    

应用：RetinaNet与FacolLoss带来了什么    

应用：分类训练集与验证集划分    

应用：划分检测训练集与测试集    

应用：检测数据标注方法与流程    

应用：生成CSV格式数据集与标注    

应用：使用ResNet识别货架商品    

应用：使用RetinaNet检测货架商品    

应用：使用TensorFlow2训练RetinaNet    

用户需求：线下门店业绩如何提升？    

展现AI效果理论：使用OpenCV可视化识别结果    

展现AI效果实战：使用OpenCV可视化识别结果    

长期⽬标：货架数字化与业务智能化