Plan Szkolenia

Podstawy uczenia maszynowego i rekurencyjnego Neural Networks (RNN).

    Propagacja wsteczna NN i RNN Pamięć długoterminowa (LSTM)

TensorFlow Podstawy

    Tworzenie, inicjowanie, zapisywanie i przywracanie TensorFlow zmiennych Dostarczanie, odczytywanie i wstępne ładowanie danych TensorFlow Jak używać infrastruktury TensorFlow do uczenia modeli na dużą skalę Wizualizacja i ocena modeli za pomocą TensorBoard

TensorFlow Mechanika 101

    Pliki samouczka Przygotuj dane wejściowe i elementy zastępcze do pobierania danych
Zbuduj wnioski dotyczące wykresów
  • Strata
  • Szkolenie
  • Wytrenuj model wykresu
  • Sesja
  • Pętla pociągowa
  • Oceń model Zbuduj wykres ewaluacyjny
  • Wartość wyjściowa
  • Zaawansowane użycie
  • Rozproszone wątki i kolejki TensorFlow Pisanie dokumentacji i udostępnianie modelu Dostosowywanie czytników danych za pomocą procesorów graficznych¹ Manipulowanie TensorFlow Plikami modeli
  • TensorFlow Serwowanie
  • Wprowadzenie Podstawowy samouczek obsługi Zaawansowany samouczek obsługi Samouczek modelu rozpoczęcia obsługi

      Splotowy Neural Networks
    Omówienie Goa najważniejsze informacje na temat architektury modelu z tutoriala

    Organizacja Kodeksu

      Dane wejściowe modelu CIFAR-10

    Przewidywanie modelu

      Szkolenie modelowe
    Uruchamianie i szkolenie modelu
  • Ocena modelu
  • Trenowanie modelu przy użyciu wielu GPU kart¹ Umieszczanie zmiennych i operacje na urządzeniach
  • Uruchamianie i trenowanie modelu na wielu GPU kartach
  • Deep Learning dla MNIST
  • Konfiguracja Załaduj dane MNIST Rozpocznij TensorFlow Sesja interaktywna Zbuduj model regresji Softmax Symbole zastępcze Zmienne Przewidywana klasa i funkcja kosztu Trenuj model Oceń model Zbuduj wielowarstwową sieć konwolucyjną Inicjalizacja wagi Konwolucja i łączenie Pierwsza warstwa splotowa Druga warstwa splotowa Gęsto połączona warstwa Odczyt warstwy Trenuj i Oceń model
  • Rozpoznawanie obrazu
  • Incepcja-v3 C++ Java
  • ¹ Tematy związane z wykorzystaniem procesorów graficznych nie są dostępne w ramach kursu zdalnego. Można je realizować podczas kursów stacjonarnych, ale tylko po wcześniejszym uzgodnieniu i tylko wtedy, gdy zarówno trener, jak i wszyscy uczestnicy posiadają laptopy z obsługiwanymi procesorami graficznymi NVIDIA, z zainstalowanym systemem 64-bitowym Linux (nie dostarczanym przez NobleProg). NobleProg nie może zagwarantować dostępności trenażerów z wymaganym sprzętem.
  • Wymagania

    • Python
     28 godzin

    Liczba uczestników



    Cena za uczestnika

    Opinie uczestników (1)

    Powiązane Kategorie