Основы TensorFlow

В этом модуле приведены все основные понятия и практические знания, необходимые для начала работы с TensorFlow. Мы изучаем Keras, высокоуровневый API, выпущенный в рамках TensorFlow, и используем его для создания нейронной сети для классификации изображений.

В этом модуле вы получите введение в компьютерное зрение с помощью TensorFlow. Мы используем классификацию изображений, чтобы узнать о сверточных нейронных сетях, а затем узнать, как предварительно обученные сети и передача обучения могут улучшить наши модели и решить реальные проблемы.

В этом модуле мы рассмотрим различные архитектуры нейронной сети для обработки текстов естественного языка. Быстрое распространение и развитие обработки естественного языка (NLP) прежде всего связано с тем, что эффективность языковых моделей зависит от их общей способности "понять" текст, а сами они могут быть обучены с помощью неконтролируемого метода для больших совокупностей текстов. Кроме того, предварительно обученные текстовые модели упрощают многие задачи NLP и значительно улучшили производительность. Мы узнаем больше об этих методах и основах обработки естественного языка (NLP) в этом модуле обучения.

Узнайте, как звук представлен в виде тензоров, как преобразовать волны в спектрграммы и как использовать TensorFlow для создания простого классификатора ключевых слов.

Если вы завершили работу с первым модулем и поняли, что вам нужна дополнительная гибкость при сборке или отладке модели, вам стоит ознакомиться с этим модулем. Мы покажем, как создать простую нейронную сеть для классификации изображений, но на этот раз мы будем использовать код TensorFlow нижнего уровня и объясним основные понятия, необходимые для его понимания.