Introduktion
TensorFlow är ett populärt ramverk för att arbeta med maskininlärning. Den här modulen omfattar Keras, som är ett användarvänligt API på högre nivå som släpptes som en del av TensorFlow. I många scenarier ger abstraktionsnivån som tillhandahålls av Keras alla funktioner du behöver, utan komplexiteten i begreppen på lägre nivå i TensorFlow.
I slutet av den här modulen, om du känner att du behöver mer flexibilitet än vad Keras erbjuder, visar den femte modulen i den här utbildningsvägen, Go beyond Keras: Customize with TensorFlow, hur man kan återimplementera en del av Keras-koden i denna modul med hjälp av lägre nivåer av TensorFlow API:er.
Både den här modulen och modul fem visar hur du kan skapa ett grundläggande neuralt nätverk med hjälp av Fashion MNIST-datauppsättningen som datakälla. Du ska skapa ett neuralt nätverk som tar bilder av kläder som indata och sedan klassificerar dem enligt deras innehåll, till exempel Skjorta, Kappa eller Klänning.
I den här modulen förutsätter vi att du är bekväm med Python, men vi förutsätter inte någon kunskap om Keras eller TensorFlow.
Nu ska vi komma igång!
Utbildningsmål
- Lär dig att läsa in och förbereda data som ska användas i maskininlärning.
- Lär dig hur du anger arkitekturen för ett neuralt nätverk för djupinlärning.
- Lär dig att träna ett neuralt nätverk.
- Lär dig att göra en förutsägelse med hjälp av ett neuralt nätverk.
Förutsättningar
- Kunskap om Python
- Grundläggande kunskaper om hur du använder Jupyter Notebooks