課程簡介

機器學習和遞歸 Neural Networks (RNN) 基礎知識

    NN 和 RNN 反向傳播 長短期記憶 (LSTM)

TensorFlow 基礎知識

    創建、初始化、保存和恢復 TensorFlow 變數 進給、讀取和預載入 TensorFlow 數據 如何使用 TensorFlow 基礎結構大規模訓練模型 使用 TensorBoard 視覺化和評估模型

TensorFlow 力學 101

    教程檔 準備數據 下載 輸入和佔位元
構建圖表 推理
  • 損失
  • 訓練
  • 訓練模型 圖表
  • 會議
  • 火車環線
  • 評估模型 構建評估圖
  • 評估輸出
  • 高級用法
  • 線程和佇列 分散式 TensorFlow 編寫文檔和共用模型 自訂數據讀取器 使用 GPU¹ 操作 TensorFlow 模型檔
  • TensorFlow 服務
  • 介紹 基本服務教程 高級服務教程 Serving Inception 模型教程

      捲積 Neural Networks
    概述 GoALS 教程的亮點 模型架構

    代碼組織

      CIFAR-10 型號 模型輸入

    模型預測

      模型訓練
    啟動和訓練模型
  • 評估模型
  • 使用多張 GPU 卡訓練模型¹ 在設備上放置變數和操作
  • 在多個 GPU 卡上啟動和訓練模型
  • Deep Learning MNIST
  • 設置 載入 MNIST 資料 開始 TensorFlow InteractiveSession 構建Softmax回歸模型 佔位元 變數 預測的類和成本函數 訓練模型 評估模型 構建多層捲積網路 權重初始化 卷積和池化 第一捲積層 第二卷積層 密集連接層 讀出層 訓練和評估模型
  • 圖像識別
  • 盜夢空間-v3 C++ Java
  • ¹ 與 GPU 使用相關的主題不作為遠端課程的一部分提供。它們可以在課堂課程中提供,但必須事先同意,並且前提是培訓師和所有參與者都擁有安裝了 64 位 Linux 的受支援的 NVIDIA GPU 的筆記型電腦(不是由 NobleProg 提供)。NobleProg無法保證提供具有所需硬體的培訓師。
  • 最低要求

    • Python
      28 時間:

    人數



    每位參與者的報價

    客戶評論 (1)

    相關課程

    課程分類