Tensorflow2.0 简明实战教程课程介绍：
本课程用通俗易懂的实例，系统讲解了Tensorflow2.0的使用。适用人群：对深度学习感兴趣的、对Tensorflow新版本感兴趣的、对人工智能感兴趣的人群。
课程目录：
课程简介与开发环境搭建
课时1视频Tensorflow 2.0 课程内容简介10:44
课时2视频Tensorflow2.0的安装11:31
课时3文本课程资料下载及安装PPT
章节2:深度学习基础
课时4视频机器学习原理-线性回归13:40
课时5视频tf.keras实现线性回归12:29
课时6视频梯度下降算法10:12
课时7视频多层感知器（神经网络）与激活函数09:30
课时8视频多层感知器（神经网络）的代码实现13:04
课时9视频逻辑回归与交叉熵05:25
课时10视频逻辑回归的tf.keras实现11:57
课时11视频softmax多分类（一）10:14
课时12视频softmax多分类代码实现- fashion mnist数据分类实例12:35
课时13视频独热编码与交叉熵损失函数10:41
课时14视频优化函数、学习速率、反向传播算法11:39
课时15视频网络优化与超参数选择08:14
课时16视频Dropout抑制过拟合与网络参数选择总原则12:48
课时17视频Dropout抑制过拟合的代码实现06:16
课时18视频函数式API简介14:10
章节3:tf.data输入模块
课时19视频tf.data模块简介14:31
课时20视频tf.data模块用法示例12:31
课时21视频tf.data输入实例10:21
课时22视频tf.data输入实例（二）06:15
章节4:计算机视觉-卷积神经网络
课时23视频认识卷积神经网络（一）14:33
课时24视频认识卷积神经网络-卷积层和池化层15:26
课时25视频卷积神经网络整体架构06:40
课时26视频卷积神经网络实例：Fashion mnist数据集分类问题08:08
课时27视频卷积神经网络的代码实现12:42
课时28视频卷积神经网络的训练和优化11:01
章节5:tf.data和卷积神经网络综合实例
课时29视频卫星图像识别-数据预处理（一）15:43
课时30视频卫星图像识别 – 读取和解码图片13:57
课时31视频tf.data构造dataset输入11:52
课时32视频tf.data构建图片输入管道与划分数据14:53
课时33视频卫星图像数据分类模型的构建与训练08:24
章节6:Eager模式与自定义训练
课时34视频Eager模式简介10:48
课时35视频Eager模式代码演示与张量13:20
课时36视频变量与自动微分运算12:20
课时37视频自动微分与自定义训练（一）15:04
课时38视频Tensorflow自定义训练（二）12:30
课时39视频Tensorflow自定义训练（三）14:50
课时40视频Tensorflow自定义训练（四）09:13
章节7:多输出模型实例
课时41视频多输出模型实例——数据加载14:26
课时42视频多输出模型的创建
课时43视频多输出模型的编译和训07:54
课时44视频多输出模型的评价与结果预计
