لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ساخت برنامه های یادگیری عمیق با Keras 2.0
Building Deep Learning Applications with Keras 2.0
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
Keras یک چارچوب محبوب برنامه نویسی برای یادگیری عمیق است که روند ساخت برنامه های یادگیری عمیق را ساده می کند. به جای اینکه همه قابلیت ها را خودش فراهم کند ، از TensorFlow یا Theano در پشت صحنه استفاده می کند و یک رابط برنامه نویسی استاندارد و ساده در بالا اضافه می کند. در این دوره ، نحوه نصب Keras را بیاموزید و از آن برای ساخت یک مدل ساده یادگیری عمیق استفاده کنید. بسیاری از مدلهای قدرتمند یادگیری عمیق از پیش آموزش دیده موجود در Keras و نحوه استفاده از آنها را کاوش کنید. نحوه استقرار مدل های Keras و نحوه انتقال داده ها بین Keras و TensorFlow را بیاموزید تا بتوانید هنگام استفاده از Keras از تمام ابزارهای TensorFlow بهره ببرید. هنگامی که این دوره را به پایان برسانید ، آماده خواهید بود که مدل های خود را با Keras شروع به ساخت و استفاده کنید.
موضوعات شامل:
کراس چیست؟ li>
استفاده از Keras در مقابل TensorFlow
آموزش یک مدل یادگیری عمیق li>
استفاده از الگوی یادگیری عمیق از قبل آموزش دیده li>
نظارت بر مدل Keras با TensorBoard
استفاده از مدل Keras آموزش دیده در Google Cloud
سرفصل ها و درس ها
مقدمه
Introduction
خوش آمدی
Welcome
آنچه باید بدانید
What you should know
با استفاده از پرونده های تمرینی
Using the exercise files
1. مرور کلی
1. Keras Overview
کراس چیست؟
What is Keras?
تصاویر پس زمینه TensorFlow و Theano
TensorFlow and Theano backends
با استفاده از Keras در مقابل TensorFlow
Using Keras vs. TensorFlow
2. راهاندازی کراس
2. Setting Up Keras
نصب keras با پس زمینه TensorFlow در macOS
Installing Keras with the TensorFlow backend on macOS
نصب Keras با پس زمینه TensorFlow در ویندوز
Installing Keras with the TensorFlow backend on Windows
3. ایجاد شبکه عصبی در کراس
3. Creating a Neural Network in Keras
جریان قطار-آزمون-ارزیابی
The train-test-evaluation flow
Keras Sequential API
Keras Sequential API
داده های آموزش قبل از پردازش
Pre-processing training data
یک مدل Keras را با استفاده از API Sequential تعریف کنید
Define a Keras model using the Sequential API
4- مدلهای آموزشی
4. Training Models
آموزش و ارزیابی مدل
Training and evaluating the model
پیشگویی
Making predictions
مدلهای ذخیره و بارگیری
Saving and loading models
5. مدل های از پیش آموزش دیده در کراس
5. Pre-Trained Models in Keras
مدل های از قبل آموزش دیده
Pre-trained models
تصاویر را با مدل ResNet50 تشخیص دهید
Recognize images with ResNet50 model
6. نظارت بر مدل کراس با TensorBoard
6. Monitoring a Keras model with TensorBoard
صادرات Keras با فرمت TensorFlow
Export Keras logs in TensorFlow format
نمودار محاسباتی را تجسم کنید
Visualize the computational graph
پیشرفت آموزش را تجسم کنید
Visualize training progress
7. استفاده از یک مدل آموزش دیده Keras در Google Cloud
7. Using a Trained Keras Model in Google Cloud
صادرات مدل های سازگار با Google Cloud
Exporting Google Cloud-compatible models
پیکربندی یک حساب Google Cloud جدید
Configuring a new Google Cloud account
بارگیری یک مدل Keras در Google Cloud
Uploading a Keras model to Google Cloud
با استفاده از یک مدل در Google Cloud
Using a model in Google Cloud
Adam Geitgey یک توسعه دهنده است که از چگونگی تغییر یادگیری ماشینی توسعه نرم افزار اسیر می شود.
پیشینه وی در ساخت وب سایت های در مقیاس بزرگ و کمک به راه اندازی ها در سیلیکون ولی در استفاده از یادگیری ماشین است. او اشتیاق به عملی کردن تئوری دارد - پیشرفت های مهم در یادگیری ماشین و به اشتراک گذاری آنها با توسعه دهندگان نرم افزار در تمام سطوح مهارت.
نمایش نظرات