TensorFlow 2.0 发布已有一年多，但仍有很大量开发者不愿从 1.x 升级，或从别的框架迁移过来。事实上，TensorFlow 2 不仅继承了 Keras 快速上手和易于使用的特性，还扩展了原有 Keras 所不支持的分布式训练，并整合了 TF 生态的其他组件（如 TF Serving、TF Lite、TF Hub、TFX 等），可有效提升生产环境的稳定性和可维护性。
对学习者来说，从工具使用到实战项目的落地，中间还有很长的路要走，有不少坑要去填。可以说，想要顺利落地基于 TensorFlow 2 的 AI 项目，并不是一件容易的事。
因此，我们希望通过本课程来帮助学员了解 AI 落地的设计思路和经验，手把手带你落地一个完整的 AI 项目，知道这个过程中会有哪些坑，如何去避免。同时，你也能通过实战进一步提升自己的 AI 技术，达到对 TensorFlow 2 的熟练运用。
课程目录
01丨课程介绍：AI进阶需要落地实战.mp4
02丨内容综述：如何快速效学习AI与TensorFlow2.mp4
03丨TensorFlow2新特性.mp4
04丨TensorFlow2核心模块.mp4
05丨TensorFlow2vsTensorFlow1.x.mp4
06丨TensorFlow2落地应.mp4
07丨TensorFlow2开发环境搭建.mp4
08丨TensorFlow2数据导入与使.mp4
09丨使用tf.keras.datasets加载数据.mp4
10丨使用tf.keras管理Sequential模型.mp4
11丨使用tf.keras管理functionalAPI.mp4
12丨FashionMNIST数据集介绍.mp4
13丨使用TensorFlow2训练分类网络.mp4
14丨行业背景：AI新零售是什么.mp4
15丨用户需求：线下门店业绩如何提升？.mp4
16丨长期标：货架数字化与业务智能化.mp4
17丨短期目标：自动化陈列审核和促销管理.mp4
18丨方案设计：基于深度学习的检测.mp4
19丨方案交付：支持在线识别和API调用的AI SaaS 已学完.mp4
20丨基础：目标检测问题定义与说明.mp4
21丨基础：深度学习在目标检测中的应用.mp4
22丨理论R-CNN系列二阶段模型综述.mp4
23丨理论：YOLO系列一阶段模型概述.mp4
24丨应用：RetinaNet与FacolLoss带来了什么.mp4
25丨应用：检测数据标注方法与流程.mp4
26丨应用：划分检测训练集与测试集.mp4
27丨应用：生成CSV格式数据集与标注.mp4
28丨应用：使用TensorFlow2训练RetinaNet.mp4
29丨应用：使用RetinaNet检测货架商品.mp4
30丨扩展：目标检测常用数据集综述.mp4
31丨扩展：目标检测更多应用场景介绍.mp4
32丨基础：图像分类问题定义与说明.mp4
33丨基础：越来越深的图像分类网络.mp4
34丨应0：检测SKU抠图与分类标注流程.mp4
35丨应用：分类训练集与验证集划分.mp4
36丨应0：使4TensorFlow2训练ResNet.mp4
37丨应用：使用ResNet识别货架商品.mp4
38丨扩展：图像分类常用数据集综述.mp4
39丨扩展：图像分类更多应3场景介绍.mp4
40丨串联AI流程理论：商品检测与商品识别.mp4
41丨串联AI流程实战：商品检测与商品识别.mp4
42丨展现AI效果理论：使用OpenCV可视化识别结果.mp4
43丨展现AI效果实战：使用OpenCV可视化识别结果.mp4
44丨搭建AI SaaS理论：Web框架选型.mp4
45丨搭建AISaaS理论：数据库ORM选型.mp4
46丨搭建AISaaS理论：10分钟快速开发AISaaS.mp4
47丨搭建AISaaS实战：10分钟快速开发AISaaS.mp4
48丨交付AISaaS：10分钟快速掌握容器部署.mp4
49丨交付AISaaS：部署和测试AISaaS.mp4
50丨使TensorFlow2实现图像数据增强.mp4
51丨使TensorFlow2实现分布式训练.mp4
52丨使TensorFlowHub迁移学习.mp4
53丨使@tf.function提升性能.mp4
54丨使TensorFlowServing部署云端服务.mp4
55丨使TensorFlowLite实现边缘智能.mp4
56丨结束语.mp4
