Grundlæggende oplysninger om TensorFlow

Dette modul indeholder alle de begreber og den praktiske viden, du skal bruge for at komme i gang med TensorFlow. Vi udforsker Keras, en API på højt niveau, der er udgivet som en del af TensorFlow, og bruger den til at bygge et simpelt neuralt netværk til billedklassificering.

I dette modul får du en introduktion til Computer Vision ved hjælp af TensorFlow. Vi bruger billedklassificering til at få mere at vide om konvolutionelle neurale netværk og ser derefter, hvordan forududdannede netværk og overførselslæring kan forbedre vores modeller og løse problemer i den virkelige verden.

I dette modul udforsker vi forskellige neurale netværksarkitekturer til behandling af tekster på naturligt sprog. NLP (Natural Language Processing) har oplevet hurtig vækst og fremskridt primært fordi ydeevnen af sprogmodellerne afhænger af deres overordnede evne til at "forstå" tekst og kan oplæres ved hjælp af en uovervåget teknik på store tekst-corpora. Derudover forenklede færdiguddannede tekstmodeller (f.eks. BERT) mange NLP-opgaver og har forbedret ydeevnen markant. Vi får mere at vide om disse teknikker og de grundlæggende funktioner i NLP i dette læringsmodul.

I dette læringsmodul lærer vi, hvordan du foretager lydklassificering med TensorFlow. Der er flere måder at bygge en model til lydklassificering på. Du kan bruge bølgeformen, mærke afsnittene i en wave-fil eller endda bruge computersyn på spektrogrambilledet. I dette selvstudium vil vi først opdele, hvordan du forstår lyddata, fra analoge til digitale repræsentationer, så bygger vi modellen ved hjælp af computersyn på spektrogrambillederne. Det er rigtigt, kan du omdanne lyd til et billede repræsentation og derefter gøre computer vision at klassificere ordet talt!

Hvis du har fuldført det første modul og indset, at du har brug for ekstra fleksibilitet til at bygge eller foretage fejlfinding af din model, er dette modul noget for dig. Vi viser, hvordan du kan oprette et simpelt neuralt netværk til billedklassificering, men denne gang bruger vi TensorFlow-kode på lavere niveau og forklarer de grundlæggende begreber, der er nødvendige for at forstå den.