Kursplan

Maskininlärning och rekursiv Neural Networks (RNN) grunder

    NN och RNN Backprogation Långt korttidsminne (LSTM)

TensorFlow Grunderna

    Skapa, initiera, spara och återställa TensorFlow variabler Mata, läsa och förladda TensorFlow Data Hur man använder TensorFlow infrastruktur för att träna modeller i skala Visualisera och utvärdera modeller med TensorBoard

TensorFlow Mekanik 101

    Förbered datanedladdningsingångar och platshållare
Bygg grafinferensen
  • Förlust
  • Träning
  • Träna modellen The Graph
  • Sessionen
  • Tågslinga
  • Utvärdera modellen Bygg Eval-grafen
  • Eval utgång
  • Avancerad användning
  • Trådning och distribuerade köer TensorFlow Skriva dokumentation och dela din modell Anpassa dataläsare med GPU:er¹ Manipulera TensorFlow modellfiler
  • TensorFlow Servering
  • Introduktion Grundläggande handledning för servering Avancerad handledning för servering

      ¹ Ämnet Avancerad användning, "Använda GPU:er", är inte tillgängligt som en del av en fjärrkurs. Den här modulen kan levereras under klassrumsbaserade kurser, men endast efter överenskommelse i förväg, och endast om både tränaren och alla deltagare har bärbara datorer med NVIDIA GPU:er som stöds, med 64-bitars Linux installerade (levereras inte av NobleProg). NobleProg kan inte garantera tillgängligheten av tränare med den nödvändiga hårdvaran.

    Krav

    • Statistics
    • Pytonorm
    • (valfritt) En bärbar dator med NVIDIA GPU som stöder CUDA 8.0 och cuDNN 5.1, med 64-bitars Linux installerat
      21 timmar
     

    Antal deltagare


    Starts

    Ends


    Dates are subject to availability and take place between 09:30 and 16:30.
    Open Training Courses require 5+ participants.

    Relaterade Kurser

    Relaterade Kategorier