コース概要

機械学習と再帰 Neural Networks (RNN) の基本

    NN および RNN バックプロパゲーション 長短期記憶 (LSTM)

TensorFlow 基本

    TensorFlow 変数の作成、初期化、保存、復元 TensorFlow データのフィード、読み取り、プリロード TensorFlow インフラストラクチャを使用して大規模なモデルをトレーニングする方法 TensorBoard を使用したモデルの視覚化と評価

TensorFlow 力学101

    チュートリアル ファイル データの準備 データのダウンロード入力とプレースホルダー
グラフ推論の構築
  • 損失
  • トレーニング
  • モデルをトレーニングする グラフ
  • セッション
  • トレインループ
  • モデルを評価する 評価グラフを構築する
  • 評価出力
  • 高度な使用法
  • スレッドとキューの分散 TensorFlow ドキュメントの作成とモデルの共有 GPU を使用したデータ リーダーのカスタマイズ¹ 操作 TensorFlow モデル ファイル
  • TensorFlow サービング
  • はじめに 基本的なサービス提供チュートリアル 高度なサービス提供チュートリアル サービス提供開始モデルのチュートリアル

      畳み込み Neural Networks
    概要 Goals チュートリアル モデル アーキテクチャのハイライト

    コード構成

      CIFAR-10 モデル モデル入力

    モデル予測

      モデルのトレーニング
    モデルの起動とトレーニング
  • モデルの評価
  • 複数の GPU カードを使用したモデルのトレーニング¹ デバイスへの変数と操作の配置
  • 複数の GPU カードでのモデルの起動とトレーニング
  • Deep Learning MNIST 用
  • セットアップ MNIST データの読み込み TensorFlow InteractiveSession ソフトマックス回帰モデルの構築 プレースホルダー変数 予測クラスとコスト関数 モデルのトレーニング モデルの評価 多層畳み込みネットワークの構築 重みの初期化 畳み込みとプーリング 最初の畳み込み層 2 番目の畳み込み層 密に接続された層 読み出し層 トレーニングとモデルを評価する
  • 画像認識
  • インセプション-v3 C++ Java
  • ¹ GPU の使用に関連するトピックは、リモート コースの一部として利用できません。これらは、教室ベースのコース中に提供できますが、事前の合意があった場合に限り、トレーナーとすべての参加者の両方が、サポートされている NVIDIA GPU を搭載し、64 ビット Linux がインストールされたラップトップを所有している場合に限ります (NobleProg によって提供されていません)。 NobleProg は、必要なハードウェアを備えたトレーナーの入手可能性を保証できません。
  • 要求

    • Python
      28 時間
     

    参加者の人数


    開始

    完了


    Dates are subject to availability and take place between 10:00 and 17:00.
    Open Training Courses require 5+ participants.

    お客様の声 (1)

    関連コース

    Natural Language Processing (NLP) with TensorFlow

      35 時間

    Understanding Deep Neural Networks

      35 時間

    関連カテゴリー