دوره آموزشی TensorFlow 2.0: کار با تصاویر
40 دقیقهمتوسط2022-02-01
مدرسین

Jonathan Fernandes
Consultant focusing on data science, AI, and big data
جزئیات دوره
TensorFlow 2.0 به سرعت در حال تبدیل شدن به یکی از محبوب ترین چارچوب های یادگیری عمیق و یک مهارت ضروری در جعبه ابزار هوش مصنوعی شما است. با استفاده از یک رویکرد عملی، کارشناس یادگیری ماشین و مدل هوش مصنوعی، جاناتان فرناندز، اصول اولیه کار با تصاویر - هم در مقیاس خاکستری و هم رنگ - را در TensorFlow به شما نشان میدهد و یادگیری انتقال و سایر پیشرفتهای آموزشی مانند ModelCheckpoint، EarlyStopping و TensorBoard را بررسی میکند.
اهداف یادگیری
بین تماس های EarlyStopping و ModelCheckpoint تفاوت قائل شوید.
نحوه ارتباط لایه ورودی مدل و مجموعه داده مرتبط را تشخیص دهید.
توضیح دهید که چرا شبکه های عصبی ساختار فضایی را در نظر نمی گیرند.
توضیح دهید که یادگیری انتقالی چیست و چرا اینقدر مفید است.
تفاوت بین مدل های از پیش آموزش دیده و تنظیم دقیق آنها را تشخیص دهید.
کاربرد EarlyStopping را توضیح دهید.
اهداف یادگیری
بین تماس های EarlyStopping و ModelCheckpoint تفاوت قائل شوید.
نحوه ارتباط لایه ورودی مدل و مجموعه داده مرتبط را تشخیص دهید.
توضیح دهید که چرا شبکه های عصبی ساختار فضایی را در نظر نمی گیرند.
توضیح دهید که یادگیری انتقالی چیست و چرا اینقدر مفید است.
تفاوت بین مدل های از پیش آموزش دیده و تنظیم دقیق آنها را تشخیص دهید.
کاربرد EarlyStopping را توضیح دهید.
مهارت ها
TensorFlowNeural Networks and Deep LearningPythonGoogleArtificial Intelligence (AI)Open SourceDeep Dive (X:Y)
سرفصل ها
0. مقدمه
- 01 - با استفاده از آموزش انتقال و تنظیم دقیق با تصاویر خاکستری و رنگی کار کنید
- 02 - آنچه باید بدانید
- 03 - تنسورفلو چیست
1. شبکههای عصبی و تصاویر
- 04 - بررسی شبکههای عصبی
- 05 - کار با تصاویر رنگی و شبکههای عصبی
- 06 - چالش - با فراپارامترها آزمایش کنید
- 07 - راه حل - با فراپارامترها آزمایش کنید
2. آموزش انتقال
- 08 - چرا عملکرد ضعیف با شبکههای عصبی؟
- 09 - تنسورفلو هاب
- 10 - یادگیری انتقالی چیست
- 11 - انتقال یادگیری با TensorFlow Hub
- 12 - TensorFlow Hub برای CIFAR-10
3. نظارت بر فرآیند آموزش
- 13 - نظارت بر روند آموزش
- 14 - استفاده از ModelCheckpoint
- 15 - کار با EarlyStopping
- 16 - استفاده از TensorBoard
نتیجه
- 17 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی یادگیری جامع PyTorch: کار با تصاویر
- دوره آموزشی TensorFlow 2: کار با شبکه های عصبی
- دوره آموزشی TensorFlow: کار با NLP
- دوره آموزشی TensorFlow با جاوااسکريپت
- دوره آموزشی ساخت سیستمهای توصیهگر با یادگیری ماشین و هوش مصنوعی
- دوره آموزشی ساخت برنامههای یادگیری عمیق با Keras 2.0 آپدیت (2017)
- دوره آموزشی یادگیری عمیق: بهینه سازی و تنظیم مدل (2022)
- دوره آموزشی ایجاد و بکارگیری برنامههای یادگیری عمیق با TensorFlow
مسیرهای مرتبط
- مسیر آموزشی ارتقاء مهارت های خود را در هوش مصنوعی و یادگیری ماشین
- مسیر آموزشی تقویت مهارت های خود را در یادگیری عمیق و شبکه های عصبی
- مسیر آموزشی شروع کار با هوش مصنوعی و یادگیری ماشینی
- مسیر آموزشی ارتقا مهارت های خود در پردازش زبان طبیعی
- مسیر آموزشی آماده شدن برای گواهینامه Google Cloud Digital Leader
- مسیر آموزشی شروع یادگیری مهارت های خود با مدل های زبان بزرگ
- مسیر آموزشی تبدیل شدن به یک مهندس یادگیری ماشین
- مسیر آموزشی تسلط بر تجزیه و تحلیل داده ها در سطح اجرایی