نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
این دوره شامل دو ابزار خاص در جعبه ابزار TensorFlow - tfdbg و TensorBoard است. از این ابزارها می توان برای بررسی وضعیت داخلی برنامه های TensorFlow و تجسم معیارهای اجرا و حالت استفاده کرد. وجه مهم ساخت مدل های خوب ML ، توانایی اشکال زدایی کد TensorFlow در هنگام عدم همگرایی مدل های شما است. اشکال زدایی های سنتی در این زمینه کوتاهی می کنند ، به همین دلیل tfdbg و TensorBoard مهارت های مهمی در مجموعه ابزار شما هستند. در این دوره ، اشکال زدایی و نظارت بر برنامه های TensorFlow ، خواهید آموخت که چگونه می توانید دستورات TensorFlow و توابع کتابخانه را برای کمک به اشکال زدایی برنامه های خود علاوه بر یادگیری ابزارهای تخصصی مانند tfdbg و Tensorboard ، تطبیق دهید. در ابتدا ، شما از ویژگی های خاص TensorFlow برای رفع اشکال کد خود استفاده خواهید کرد. اجرای جزئی نمودار ، دستورات tf.Print () و tf.Assert () ، اشکال زدایی سنتی پایتون و tf.py_func () برای قرار دادن کد پایتون دلخواه در نمودار محاسباتی شما ، به اشکال زدایی مرحله ساخت نمودار کمک می کند. در مرحله بعدی ، خواهید دید که اشکال زدایی تخصصی TensorFlow tfdbg بسیار شبیه اشکال زدایی های سنتی پایتون است اما توانایی گام در دستورات session.run () و نمایش نمودار محاسبه شما در هر مرحله را دارد. این فیلتر همچنین دارای فیلترهایی مانند has_inf_or_nan است که به شما امکان می دهد در نقطه دقیق تغییر مدل خود بشکنید. در آخر ، Tensorboard به شما نشان داده می شود که ابزاری مبتنی بر مرورگر است و به شما کمک می کند نمودار محاسبات خود را تجسم کنید و نحوه جریان کنترل از طریق کد خود را مشاهده کنید. علاوه بر این ، می تواند برای نمایش معیارهای اجرا و وضعیت فعلی برنامه شما استفاده شود. پس از اتمام این دوره ، از طریق تجهیز به ابزارهای مهم برای ساخت و رفع اشکال مدل های قدرتمند یادگیری ماشین ، به تسلط بر TensorFlow نزدیکتر خواهید بود.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
معرفی روشهای رفع اشکال TensorFlow
Introducing TensorFlow Debugging Methods
-
بررسی اجمالی ماژول
Module Overview
-
پیش نیازها و بررسی اجمالی دوره
Prerequisites and Course Overview
-
مروری کوتاه بر نمودارهای محاسبه
A Brief Overview of Computation Graphs
-
اشکال زدایی از برنامه های TensorFlow
Debugging TensorFlow Programs
-
واکشی تنورها: محاسبه مقادیر متوسط
Fetching Tensors: Computing Intermediate Values
-
واکشی تنورها: یک مثال شبکه عصبی
Fetching Tensors: A Neural Network Example
-
واکشی تنورها: عوارض جانبی
Fetching Tensors: Side Effects
-
اجرای جزئی
Partial Runs
-
معرفی tf.Print ()
Introducing tf.Print()
-
tf.Print (): یک مثال شبکه عصبی
tf.Print(): A Neural Network Example
-
معرفی tf.Assert ()
Introducing tf.Assert()
-
اشکال زدایی سنتی پایتون
Traditional Python Debuggers
-
قرار دادن کد پایتون در نمودارهای محاسباتی
Interposing Python Code in Computation Graphs
-
معرفی tfdbg و TensorBoard
Introducing tfdbg and TensorBoard
استفاده از tfdbg در موارد معمول استفاده
Applying tfdbg to Common Use-cases
-
بررسی اجمالی ماژول
Module Overview
-
The Curses Library برای tfdbg
The Curses Library for tfdbg
-
معرفی دستورات tfdbg
Introducing tfdbg Commands
-
میانبرهای اشکال زدایی و چند جلسه اجرا می شود
Debugging Shortcuts and Multiple Session Runs
-
با استفاده از has_inf_or_nan و فیلترهای سفارشی
Using has_inf_or_nan and Custom Filters
-
استفاده از فیلترها با شبکه های عصبی
Using Filters with Neural Networks
-
برآوردگرها و آزمایشات اشکال زدایی
Debugging Estimators and Experiments
-
اشکال زدایی مدل های Keras
Debugging Keras Models
تجسم TensorFlow با استفاده از TensorBoard
Visualizing TensorFlow Using TensorBoard
-
بررسی اجمالی ماژول
Module Overview
-
معرفی TensorBoard
Introducing TensorBoard
-
نامگذاری تنورها و گره ها
Naming Tensors and Nodes
-
با استفاده از محدوده های نامگذاری شده
Using Named Scopes
-
خلاصه مقیاس
Scalar Summaries
-
هیستوگرام
Histograms
-
میانگین توزیع عادی در حال حرکت است
Moving Mean Normal Distribution
-
هیستوگرام های بیشتر
More Histograms
-
آمار زمان اجرا
Runtime Statistics
-
کار با تصاویر
Working with Images
Pluralsight (پلورال سایت)
Pluralsight یکی از پرطرفدارترین پلتفرمهای آموزش آنلاین است که به میلیونها کاربر در سراسر جهان کمک میکند تا مهارتهای خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دورههای آموزشی در زمینههای فناوری اطلاعات، توسعه نرمافزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه میدهد.
یکی از ویژگیهای برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعهدهندگان و کارشناسان معتبر، دورههایی را ارائه میدهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژیها نگه میدارد. این امر به کاربران این اطمینان را میدهد که دورههایی که در Pluralsight میپذیرند، با جدیدترین دانشها و تجارب به روز شدهاند.
نمایش نظرات