TensorFlow 基础知识

此模块提供开始使用 TensorFlow 所需的全部概念和实用知识。 我们将了解 Keras（它是作为 TensorFlow 的一部分发布的高级 API），并且使用它来构建用于图像分类的简单神经网络。

此模块介绍使用 TensorFlow 的计算机视觉。 我们将使用图像分类来了解卷积神经网络，然后了解预先训练的网络和迁移学习如何改进模型并解决实际问题。

在此模块中，我们将了解用于处理自然语言文本的不同神经网络体系结构。 自然语言处理 (NLP) 经历了快速的增长和进步，主要是因为语言模型的性能取决于它们“理解”文本的整体能力，并且可以在大型文本语料库上使用无监督技术进行训练。 因此，预先训练的文本模型（如 BERT）简化了许多 NLP 任务，并显著提高了性能。 我们将在此学习模块中详细了解这些技术和 NLP 的基础知识。

此学习模块将介绍如何使用 TensorFlow 进行音频分类。 可通过多种方法生成音频分类模型。 可以使用波形文件的波形标记部分，甚至可以对光谱图图像使用计算机视觉。 在本教程中，将详细讲解如何理解音频数据（从模拟到数字表示形式），然后对声谱图使用计算机视觉生成模型。 没错，你可以将音频转换为图像表示形式，然后利用计算机视觉对所讲的话进行分类！

如果已完成第一个模块，并意识到构建或调试模型需要额外的灵活性，那么此模块适合你。 我们将介绍如何创建用于图像分类的简单神经网络，但这次我们将使用较低级别的 TensorFlow 代码并解释基本概念以帮助理解。