Nguyên tắc cơ bản tensorFlow

Mô-đun này cung cấp tất cả các khái niệm và kiến thức thực tiễn bạn cần để bắt đầu với TensorFlow. Chúng tôi khám phá Keras, một API cấp cao được phát hành như một phần của TensorFlow và sử dụng nó để xây dựng một mạng thần kinh để phân loại hình ảnh.

Trong mô-đun này, bạn sẽ được giới thiệu về Thị giác máy tính bằng TensorFlow. Chúng tôi sử dụng phân loại hình ảnh để tìm hiểu về mạng nơ-ron tích chập, sau đó xem các mạng được đào tạo trước và học chuyển giao có thể cải thiện mô hình của chúng tôi và giải quyết các vấn đề trong thế giới thực như thế nào.

Trong mô-đun này, chúng ta khám phá các kiến trúc mạng nơ-ron khác nhau để xử lý văn bản ngôn ngữ tự nhiên. Xử lý ngôn ngữ tự nhiên (NLP) đã có kinh nghiệm tăng trưởng nhanh chóng và tiến bộ chủ yếu là vì hiệu suất của các mô hình ngôn ngữ phụ thuộc vào khả năng tổng thể của họ để "hiểu" văn bản và có thể được đào tạo bằng cách sử dụng một kỹ thuật không được giám sát trên corpora văn bản lớn. Ngoài ra, các mô hình văn bản được đào tạo trước đã đơn giản hóa nhiều tác vụ NLP và cải thiện đáng kể hiệu suất. Chúng ta tìm hiểu thêm về các kỹ thuật này và những điều cơ bản về NLP trong mô-đun học tập này.

Tìm hiểu cách âm thanh được biểu diễn dưới dạng tensor, cách chuyển đổi dạng sóng thành quang phổ và cách sử dụng TensorFlow để xây dựng một bộ phân loại từ khóa đơn giản.

Nếu bạn đã hoàn thành mô-đun đầu tiên và nhận ra rằng bạn cần thêm tính linh hoạt để xây dựng hoặc gỡ lỗi mô hình của bạn, thì mô-đun này là dành cho bạn. Chúng tôi sẽ chỉ cho bạn cách tạo một mạng thần kinh đơn giản để phân loại hình ảnh, nhưng lần này chúng tôi sẽ sử dụng mã TensorFlow cấp thấp hơn và giải thích các khái niệm cơ bản cần thiết để hiểu về nó.