План на курса

Машинно обучение и рекурсивни Neural Networks (RNN) основи

    NN и RNN обратно разпространение на дълга краткосрочна памет (LSTM)

TensorFlow Основи

    Създаване, инициализиране, запазване и възстановяване на TensorFlow променливи Подаване, четене и предварително зареждане TensorFlow Данни Как да използваме TensorFlow инфраструктура за обучение на модели в мащаб Визуализиране и оценяване на модели с TensorBoard

TensorFlow Механика 101

    Обучителни файлове Подгответе входните данни и контейнерите за изтегляне на данни
Изградете извода на графиката
  • Загуба
  • обучение
  • Обучете модела Графиката
  • Сесията
  • Влакова верига
  • Оценете модела Изградете Eval Graph
  • Eval Output
  • Разширено използване
  • Threading и Queues Distributed TensorFlow Писане на документация и споделяне на вашия модел Персонализиране на четци на данни Използване на GPU¹ Манипулиране на TensorFlow Моделни файлове
  • TensorFlow Сервиране
  • Въведение Урок за основно обслужване Урок за разширено обслужване Урок за начален модел на сервиране

      Конволюционен Neural Networks
    Общ преглед Go и акценти на архитектурата на модела на урока

    Организация на кода

      Модел CIFAR-10 Входящи данни за модел

    Моделно прогнозиране

      Модел обучение
    Стартиране и обучение на модела
  • Оценяване на модел
  • Обучение на модел с помощта на множество GPU карти¹ Поставяне на променливи и операции на устройства
  • Стартиране и обучение на модела на множество GPU карти
  • Deep Learning за MNIST
  • Настройка Зареждане на MNIST данни Старт TensorFlow InteractiveSession Изграждане на модел на регресия Softmax Заместители Променливи Предсказан клас и функция на разходите Обучение на модела Оценяване на модела Изграждане на многослойна конволюционна мрежа Тегло Инициализация Конволюция и обединяване Първи конволюционен слой Втори конволюционен слой Плътно свързан слой Слой за четене Обучение и Оценете модела
  • Разпознаване на изображения
  • Inception-v3 C++ Java
  • ¹ Темите, свързани с използването на GPU, не са налични като част от дистанционен курс. Те могат да бъдат доставени по време на курсове в класна стая, но само с предварително споразумение и само ако както обучителят, така и всички участници имат лаптопи с поддържани графични процесори NVIDIA, с инсталирани 64-битови Linux (не се предоставят от NobleProg). NobleProg не може да гарантира наличието на обучители с необходимия хардуер.
  • Изисквания

    • Python
      28 Hours
     

    Брой участници


    Започва

    Свършва


    Dates are subject to availability and take place between 09:30 and 16:30.

    Цена за участник

    Oтзиви от потребители (1)

    Свързани Kурсове

    Natural Language Processing (NLP) with TensorFlow

      35 Hours

    Embedding Projector: Visualizing Your Training Data

      14 Hours

    Understanding Deep Neural Networks

      35 Hours

    Свързани Kатегории