Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Machine Learning a rekurzivní Neural Networks (RNN) základy
- NN a RNN
- Zpětná propagace
- Dlouhá krátkodobá paměť (LSTM)
TensorFlow Základy
- Vytváření, inicializace, ukládání a obnovování TensorFlow proměnných
- Podávání, odečítání a přednačítání TensorFlow Data
- Jak používat infrastrukturu TensorFlow k trénování modelů v měřítku
- Vizualizace a vyhodnocování modelů pomocí TensorBoard
TensorFlow Mechanika 101
- Soubory výukových programů
- Připravte Data
- Stáhnout
- Vstupy a zástupné symboly
- Sestavte graf
- Odvození
- Ztráta
- Výcvik
- Trénujte modelku
- Graf
- Zasedání
- Vlaková smyčka
- Vyhodnoťte model
- Sestavte Eval Graph
- Výstup Eval
Pokročilé použití
- Řezání vláken a fronty
- Distribuováno TensorFlow
- Psaní Documentation a sdílení vašeho modelu
- Přizpůsobení čteček dat
- Pomocí GPUs¹
- Manipulace se soubory modelu TensorFlow
TensorFlow Podávání
- Zavedení
- Základní výuka servírování
- Pokročilý výukový program servírování
- Výukový program servírování počátečního modelu
konvoluční Neural Networks
- Přehled
- Goals
- Hlavní body výukového programu
- Architektura modelu
- Organizace kódu
- Model CIFAR-10
- Modelové vstupy
- Predikce modelu
- Modelový trénink
- Spuštění a výcvik modelu
- Hodnocení modelu
- Trénink modelu pomocí více GPU karet¹
- Umístění proměnných a operací na zařízení
- Spuštění a výcvik modelu na více kartách GPU
Deep Learning pro MNIST
- Nastavení
- Načíst data MNIST
- Spustit TensorFlow InteractiveSession
- Sestavte regresní model Softmax
- Zástupné symboly
- Proměnné
- Předpokládaná třída a nákladová funkce
- Trénujte modelku
- Vyhodnoťte model
- Vybudujte vícevrstvou konvoluční síť
- Inicializace hmotnosti
- Konvoluce a sdružování
- První konvoluční vrstva
- Druhá konvoluční vrstva
- Hustě připojená vrstva
- Readout Layer
- Trénujte a vyhodnocujte model
Rozpoznávání obrazu
- Počátek-v3
- C++
- Java
¹ Témata související s používáním GPUs nejsou k dispozici jako součást dálkového kurzu. Mohou být dodány během kurzů ve třídě, ale pouze po předchozí dohodě a pouze v případě, že školitel i všichni účastníci mají notebooky s podporovanými NVIDIA GPU s nainstalovaným 64bitovým Linux (nedodává NobleProg). NobleProg nemůže zaručit dostupnost trenažérů s požadovaným hardwarem.
Požadavky
- Python
28 hodiny
Reference (1)
Very updated approach or CPI (tensor flow, era, learn) to do machine learning.
