Plan du cours

Notions de base de TensorFlow

    Création, initialisation, sauvegarde et restauration des variables TensorFlow Alimentation, lecture et préchargement des données TensorFlow Comment utiliser l'infrastructure TensorFlow pour former des modèles à grande échelle Visualisation et évaluation de modèles avec TensorBoard

TensorFlow Mécanique

    Les entrées et les espaces réservés créent la formation sur la perte d'inférence GraphS
Entraîner le modèle Le graphique
  • La session
  • Boucle ferroviaire
  • Évaluer le modèle Créer le graphique d'évaluation
  • Sortie d'évaluation
  • Le Perceptron
  • Fonctions d'activation L'algorithme d'apprentissage du perceptron Classification binaire avec le perceptron Classification des documents avec le perceptron Limitations du perceptron
  • Du Perceptron aux machines à vecteurs de support

      Les noyaux et l'astuce du noyau Classification de la marge maximale et vecteurs de support

    Artificiel Neural Networks

      Limites de décision non linéaires Réseaux de neurones artificiels à action directe et à rétroaction Perceptrons multicouches Minimiser la fonction de coût Propagation vers l'avant Propagation arrière Améliorer la façon dont les réseaux de neurones apprennent

    Convolutif Neural Networks

      Goals Principes d'architecture du modèle Organisation du code Lancement et formation du modèle Évaluation d'un modèle

    Pré requis

    Formation en physique, mathématiques et programmation. Participation à des activités de traitement d'images.

      28 heures
     

    Nombre de participants


    Début

    Fin


    Dates are subject to availability and take place between 09:30 and 16:30.
    Les formations ouvertes requièrent plus de 3 participants.

    Nos Clients témoignent (5)

    Cours Similaires

    Natural Language Processing (NLP) with TensorFlow

      35 heures

    Understanding Deep Neural Networks

      35 heures

    Catégories Similaires