Einleitung
Im ersten Modul dieses Lernpfads haben Sie in der Einführung in maschinelles Lernen mit Keras gelernt, wie Sie mithilfe der Keras-API auf höherer Ebene ein neurales Netzwerk erstellen. In diesem Modul wird das Modell, die Schulung, die Auswertung und die Vorhersage des Codes aus dem ersten Modul neu implementiert, aber diesmal verwenden wir TensorFlow-Konzepte auf niedrigerer Ebene. Beachten Sie, dass Keras für viele Szenarien alle benötigten Funktionen bietet. Wenn Sie jedoch feststellen, dass Sie mehr Kontrolle benötigen als Keras bietet, bietet Ihnen das Verständnis der API auf niedrigerer Ebene von TensorFlow zusätzliche Flexibilität, um Ihre Netzwerk- und Schulungsroutine anzupassen und Ihren Code ausführlicher zu debuggen.
Für dieses Modul gehen wir davon aus, dass Sie mit Python vertraut sind und dass Sie das erste Modul dieses Lernpfads abgeschlossen haben oder sie bereits mit Keras vertraut sind. Wir gehen von keinem Wissen über TensorFlow aus.
Fangen wir an!
Lernziele
- Lernen Sie grundlegende TensorFlow-Themen wie Tensoren, Variablen und automatische Differenzierung kennen.
- Kennenlernen des Unterschieds zwischen strikter und Graphausführung.
- Reimplementieren Sie das Modell und die Schulungsschleife eines vorhandenen Keras-Projekts mithilfe von TensorFlow.
Voraussetzungen
- Kenntnisse in Python
- Grundlegende Kenntnisse zur Verwendung von Jupyter Notebooks
- Abschluss von Modul 1 dieses Lernpfads oder Kenntnis von Keras