Programa do Curso

Noções básicas de aprendizado de máquina e recursivo Neural Networks (RNN)

    Retropropagação NN e RNN Memória de longo e curto prazo (LSTM)

TensorFlow Noções básicas

    Criação, inicialização, salvamento e restauração TensorFlow de variáveis Alimentação, leitura e pré-carregamento TensorFlow Dados Como usar a infraestrutura TensorFlow para treinar modelos em escala Visualização e avaliação de modelos com TensorBoard

TensorFlow Mecânica 101

    Arquivos do tutorial Preparam as entradas e espaços reservados para download de dados
Construa a inferência do gráfico
  • Perda
  • Treinamento
  • Treine o modelo, o gráfico
  • A sessão
  • Circuito de trem
  • Avalie o modelo Construa o gráfico de avaliação
  • Saída de avaliação
  • Uso Avançado
  • Threading e filas distribuídas TensorFlow Escrevendo documentação e compartilhando seu modelo Personalizando leitores de dados usando GPUs¹ Manipulando TensorFlow Arquivos de modelo
  • TensorFlow Servindo
  • Introdução Tutorial básico de veiculação Tutorial avançado de veiculação Tutorial do modelo de início de veiculação

      Convolucional Neural Networks
    Visão geral Go e destaques da arquitetura do modelo do tutorial

    Organização do Código

      Entradas do modelo CIFAR-10

    Previsão de modelo

      Treinamento de modelo
    Lançando e treinando o modelo
  • Avaliando um modelo
  • Treinando um modelo usando vários GPU cartões¹ Colocando variáveis e operações em dispositivos
  • Lançando e treinando o modelo em vários GPU cartões
  • Deep Learning para MNIST
  • Configuração Carregar dados MNIST Início TensorFlow InteractiveSession Construir um modelo de regressão Softmax Placeholders Variáveis Classe prevista e Função de custo Treinar o modelo Avaliar o modelo Construir uma rede convolucional multicamada Inicialização de peso Convolução e pooling Primeira camada convolucional Segunda camada convolucional Camada densamente conectada Leitura da camada Trem e Avalie o modelo
  • Reconhecimento de imagem
  • Inception-v3 C++ Java
  • ¹ Tópicos relacionados ao uso de GPUs não estão disponíveis como parte de um curso remoto. Eles podem ser ministrados durante cursos presenciais, mas somente mediante acordo prévio, e somente se tanto o instrutor quanto todos os participantes tiverem laptops com GPUs NVIDIA suportadas, com 64 bits Linux instalados (não fornecidos pela NobleProg). A NobleProg não pode garantir a disponibilidade de treinadores com o hardware necessário.
  • Requisitos

    • Python
      28 horas
     

    Declaração de Clientes (1)

    Cursos Relacionados

    Categorias Relacionadas