Course Outline
Machine Learning και Recursive Neural Networks (RNN) βασικά
- NN και RNN
- Ο πίσω πολλαπλασιασμός
- Μακροπρόθεσμη μνήμη (LSTM)
TensorFlow Βασικά
- Μεταβλητές Δημιουργία, Εκκίνηση, Αποθήκευση και Επαναφορά TensorFlow
- Feeding, Reading and Preloading TensorFlow Δεδομένα
- Πώς να χρησιμοποιήσετε την υποδομή TensorFlow για την εκπαίδευση μοντέλων σε κλίμακα
- Οπτικοποίηση και αξιολόγηση μοντέλων με το TensorBoard
TensorFlow Μηχανική 101
- Αρχεία φροντιστηρίου
- Προετοιμάστε τα Δεδομένα
- Λήψη
- Εισροές και Placeholders
- Κατασκευάστε το γράφημα
- Συμπέρασμα
- Απώλεια
- Εκπαίδευση
- Εκπαιδεύστε το μοντέλο
- Το γράφημα
- Η Συνεδρία
- Βρόχος τρένου
- Αξιολογήστε το μοντέλο
- Δημιουργήστε το Eval Graph
- Eval Output
Προηγμένη χρήση
- Threading και ουρές
- Διανεμήθηκε TensorFlow
- Γράψιμο Documentation και κοινή χρήση του μοντέλου σας
- Προσαρμογή προγραμμάτων ανάγνωσης δεδομένων
- Χρησιμοποιώντας το GPUs¹
- Χειρισμός TensorFlow Μοντέλων Αρχείων
TensorFlow Σερβίρισμα
- Εισαγωγή
- Βασικό σεμινάριο εξυπηρέτησης
- Οδηγός προηγμένης εξυπηρέτησης
- Οδηγός Serving Inception Model
Συνελικτικό Neural Networks
- Επισκόπηση
- Goals
- Τα κυριότερα σημεία του φροντιστηρίου
- Αρχιτεκτονική Μοντέλων
- Οργάνωση κώδικα
- Μοντέλο CIFAR-10
- Είσοδοι μοντέλου
- Πρόβλεψη μοντέλου
- Εκπαίδευση μοντέλου
- Εκκίνηση και εκπαίδευση του μοντέλου
- Αξιολόγηση μοντέλου
- Εκπαίδευση μοντέλου με χρήση πολλαπλών καρτών GPU¹
- Τοποθέτηση μεταβλητών και λειτουργιών σε συσκευές
- Εκκίνηση και εκπαίδευση του μοντέλου σε πολλαπλές κάρτες GPU
Deep Learning για το MNIST
- Ρύθμιση
- Φόρτωση δεδομένων MNIST
- Έναρξη TensorFlow InteractiveSession
- Δημιουργήστε ένα μοντέλο παλινδρόμησης Softmax
- Placeholders
- Μεταβλητές
- Προβλεπόμενη συνάρτηση κατηγορίας και κόστους
- Εκπαιδεύστε το μοντέλο
- Αξιολογήστε το μοντέλο
- Δημιουργήστε ένα πολυεπίπεδο συνελικτικό δίκτυο
- Αρχικοποίηση βάρους
- Συνέλιξη και συγκέντρωση
- Πρώτο συνελικτικό στρώμα
- Δεύτερο συνελικτικό στρώμα
- Πυκνά συνδεδεμένο στρώμα
- Επίπεδο ανάγνωσης
- Εκπαιδεύστε και αξιολογήστε το μοντέλο
Αναγνώριση εικόνας
- Inception-v3
- C++
- Java
¹ Τα θέματα που σχετίζονται με τη χρήση των GPUs δεν είναι διαθέσιμα ως μέρος ενός μαθήματος εξ αποστάσεως. Μπορούν να παραδοθούν κατά τη διάρκεια μαθημάτων που βασίζονται στην τάξη, αλλά μόνο κατόπιν προηγούμενης συμφωνίας, και μόνο εάν τόσο ο εκπαιδευτής όσο και όλοι οι συμμετέχοντες διαθέτουν φορητούς υπολογιστές με υποστηριζόμενα NVIDIA GPU, με εγκατεστημένα 64-bit Linux (δεν παρέχεται από τη NobleProg). Η NobleProg δεν μπορεί να εγγυηθεί τη διαθεσιμότητα εκπαιδευτών με το απαιτούμενο υλικό.
Requirements
- Python
Testimonials (1)
Very updated approach or CPI (tensor flow, era, learn) to do machine learning.