Course Outline

Βασικά στοιχεία του TensorFlow

    Δημιουργία, αρχικοποίηση, αποθήκευση και επαναφορά TensorFlow μεταβλητών Τροφοδοσία, ανάγνωση και προφόρτωση TensorFlow Δεδομένα Τρόπος χρήσης TensorFlow υποδομής για εκπαίδευση μοντέλων σε κλίμακα Οπτικοποίηση και αξιολόγηση μοντέλων με το TensorBoard

TensorFlow Μηχανική

    Εισροές και θέσεις κράτησης θέσης Δημιουργία του GraphS Inference Loss Training
Εκπαιδεύστε το μοντέλο The Graph
  • Η Συνεδρία
  • Βρόχος τρένου
  • Αξιολογήστε το μοντέλο Δημιουργήστε το γράφημα Eval
  • Eval Output
  • Το Perceptron
  • Συναρτήσεις ενεργοποίησης Ο αλγόριθμος εκμάθησης perceptron Δυαδική ταξινόμηση με το perceptron Ταξινόμηση εγγράφων με το perceptron Περιορισμοί του perceptron
  • Από το Perceptron στις Μηχανές Υποστήριξης Διανυσμάτων

      Πυρήνες και το κόλπο του πυρήνα Ταξινόμηση μέγιστου περιθωρίου και διανύσματα υποστήριξης

    Τεχνητό Neural Networks

      Μη γραμμικά όρια απόφασης Ανατροφοδότηση και ανάδραση τεχνητά νευρωνικά δίκτυα Πολυστρωματικά perceptron Ελαχιστοποίηση της συνάρτησης κόστους Προώθηση διάδοση προς τα πίσω Βελτίωση του τρόπου με τον οποίο μαθαίνουν τα νευρωνικά δίκτυα

    Συνελικτικό Neural Networks

      Goals Model Architecture Principles Code Οργανισμός Εκκίνηση και εκπαίδευση του μοντέλου Αξιολόγηση μοντέλου

    Requirements

    Υπόβαθρο στη φυσική, τα μαθηματικά και τον προγραμματισμό. Συμμετοχή σε δραστηριότητες επεξεργασίας εικόνας.

      28 Hours

    Number of participants



    Price per participant

    Testimonials (5)

    Related Courses

    Deep Learning with TensorFlow

      21 Hours

    Natural Language Processing (NLP) with TensorFlow

      35 Hours

    Embedding Projector: Visualizing Your Training Data

      14 Hours

    Understanding Deep Neural Networks

      35 Hours

    Related Categories