Kursplan
Maskininlärning och rekursiv Neural Networks (RNN) grunder
NN och RNN Backpropagation 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
Handledningsfiler Förbered datanedladdningsingångar och platshållare
Bygg grafinferensen
FörlustTräningTräna modellen The GraphSessionen
TågslingaUtvärdera modellen Bygg Eval-grafenEval utgångAvancerad användning
Trådning och distribuerade köer TensorFlow Skriva dokumentation och dela din modell Anpassa dataläsare med GPU:er¹ Manipulera TensorFlow modellfilerTensorFlow ServeringIntroduktion Grundläggande handledning för servering Avancerad handledning för servering
Konvolutionell Neural Networks
Översikt Goals Höjdpunkter i Tutorial Model Architecture
Kodorganisation
CIFAR-10 modell modellingångar
Modellförutsägelse
Lansering och utbildning av modellen
Utvärdera en modellTräna en modell med hjälp av flera GPU kort¹ Placera variabler och operationer på enheterStarta och träna modellen på flera GPU kortDeep Learning för MNISTKonfiguration Ladda MNIST-data Start TensorFlow InteractiveSession Bygg en Softmax-regressionsmodell Platshållare Variabler Förutspådd klass och kostnadsfunktion Träna modellen Utvärdera modellen Bygg ett flerskiktskonvolutionellt nätverk Viktinitiering Konvolution och pooling Första faltningsskiktet Andra faltningsskiktet Tätt anslutet skiktutläsningsskikt Träna och Utvärdera modellen
BildigenkänningInception-v3 C++ Java¹ Ämnen relaterade till användningen av GPU:er är inte tillgängliga som en del av en fjärrkurs. De 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.