Wprowadzenie
W pierwszym module tej ścieżki szkoleniowej intro to Machine Learning with Keras (Wprowadzenie do uczenia maszynowego przy użyciu protokołu Keras) przedstawiono sposób tworzenia sieci neuronowej przy użyciu interfejsu API keras wyższego poziomu. W tym module ponownie zaimplementujemy część modelu, trenowania, oceny i przewidywania kodu z pierwszego modułu, ale tym razem użyjemy koncepcji platformy TensorFlow niższego poziomu. Należy pamiętać, że w wielu scenariuszach interfejs Keras oferuje wszystkie potrzebne funkcje. Jeśli jednak okaże się, że potrzebujesz większej kontroli niż oferuje protokół Keras, zrozumienie interfejsu API niższego poziomu biblioteki TensorFlow zapewnia dodatkową elastyczność dostosowywania sieci i procedury trenowania oraz debugowania kodu bardziej szczegółowo.
W tym module założono, że dobrze znasz język Python i że ukończono pierwszy moduł tej ścieżki szkoleniowej lub znasz już interfejs Keras. Nie zakładamy żadnej wiedzy o TensorFlow.
Zacznijmy!
Cele kształcenia
- Poznaj podstawowe tematy dotyczące biblioteki TensorFlow, takie jak tensory, zmienne i automatyczne różnicowanie.
- Poznaj różnicę między chętnym i wykonywaniem grafu.
- Ponownie zaimplementuj model i pętlę trenowania istniejącego projektu Keras przy użyciu biblioteki TensorFlow.
Warunki wstępne
- Znajomość języka Python
- Podstawowa wiedza na temat korzystania z Notebooków Jupyter
- Ukończenie modułu 1 tej ścieżki szkoleniowej lub wiedzy o protokole Keras