Schulungsübersicht
Grundlagen des maschinellen Lernens und des rekursiven Neural Networks (RNN).
NN- und RNN-Backpropagation Langes Kurzzeitgedächtnis (LSTM)
TensorFlow Grundlagen
Erstellen, Initialisieren, Speichern und Wiederherstellen von TensorFlow Variablen. Zuführen, Lesen und Vorladen von TensorFlow Daten. Verwendung der TensorFlow Infrastruktur zum Trainieren von Modellen im Maßstab. Visualisieren und Bewerten von Modellen mit TensorBoard
TensorFlow Mechanik 101
Tutorial-Dateien bereiten die Daten-Download-Eingaben und Platzhalter vor
Erstellen Sie die Diagramminferenz
VerlustAusbildungTrainieren Sie das Modell, den GraphenDie Sitzung
ZugschleifeBewerten Sie das Modell. Erstellen Sie das BewertungsdiagrammEvaluierungsausgabeErweiterte Nutzung
Threading und Warteschlangen verteilt TensorFlow Dokumentation schreiben und Ihr Modell teilen Anpassen von Datenlesern mithilfe von GPUs¹ Bearbeiten von TensorFlow ModelldateienTensorFlow ServierenEinführung: Grundlegendes Servier-Tutorial, Erweitertes Servier-Tutorial, Servier-Inception-Modell-Tutorial
Übersicht Goals Highlights des Tutorials Modellarchitektur
Code-Organisation
CIFAR-10-Modellmodelleingaben
Modellvorhersage
Starten und Trainieren des Modells
Bewerten eines ModellsTrainieren eines Modells mit mehreren GPU Karten¹ Platzieren von Variablen und Operationen auf GerätenStarten und Trainieren des Modells auf mehreren GPU KartenDeep Learning für MNISTSetup Laden der MNIST-Daten Start TensorFlow InteractiveSession Erstellen eines Softmax-Regressionsmodells Platzhalter Variablen Vorhergesagte Klasse und Kostenfunktion Trainieren des Modells Bewerten des Modells Erstellen eines mehrschichtigen Faltungsnetzwerks Gewichtsinitialisierung Faltung und Pooling Erste Faltungsschicht Zweite Faltungsschicht Dicht verbundene Schicht Ausleseschicht Trainieren und Bewerten Sie das Modell
BilderkennungInception-v3 C++ Java¹ Themen im Zusammenhang mit der Verwendung von GPUs sind im Rahmen eines Fernkurses nicht verfügbar. Sie können während Präsenzkursen bereitgestellt werden, jedoch nur nach vorheriger Vereinbarung und nur, wenn sowohl der Trainer als auch alle Teilnehmer über Laptops mit unterstützten NVIDIA-GPUs verfügen, auf denen 64-Bit Linux installiert ist (nicht von NobleProg bereitgestellt). NobleProg kann die Verfügbarkeit von Trainern mit der erforderlichen Hardware nicht garantieren.