Aflați cum să utilizați TensorFlow 2 și Python pentru viziunea computerizată în acest curs complet. Cursul vă arată cum să creați două proiecte de viziune computerizată. Primul implică un model de clasificare a imaginilor cu un set de date pregătit. A doua este o problemă mai reală în care va trebui să curățați și să pregătiți un set de date înainte de a-l folosi.
💻 Cod: https://github.com/sniper0110/IntroductionToTensorflow2
✏️ Nour Islam Mokhtari a creat acest curs. Conectează-te cu el aici: https://withkoji.com/@Nour_Islam
🔗 Obțineți lista de verificare gratuită a lui Nour Machine Learning pregătită pentru job: https://www.aifee.co/free-resources
⭐️ Conținutul cursului ⭐️
⌨️ (0:00:00) Introducere
⌨️ (0:01:21) Schema cursului
⌨️ (0:05:11) Pentru cine este acest curs
⌨️ (0:05:35) De ce să înveți TensorFlow
⌨️ (0:06:25) Vom folosi un IDE și nu notebook-uri
⌨️ (0:07:25) Cod Visual Studio (cum să îl descărcați și să îl instalați)
⌨️ (0:10:50) Miniconda – cum se instalează
⌨️ (0:13:23) Miniconda – de ce avem nevoie de ea
⌨️ (0:17:24) Cum vom folosi mediile virtuale conda în VS Code?
⌨️ (0:21:20) Instalarea Tensorflow 2 (versiunea CPU)
⌨️ (0:29:56) Instalarea Tensorflow 2 (versiunea GPU)
⌨️ (0:43:34) Ce vrem să realizăm?
⌨️ (0:45:26) Explorarea setului de date MNIST
⌨️ (1:05:54) Straturi Tensorflow
⌨️ (1:09:44) Construirea unei rețele neuronale în mod secvenţial
⌨️ (1:27:22) Compilarea modelului și potrivirea datelor
⌨️ (2:00:52) Construirea unei rețele neuronale în mod funcțional
⌨️ (2:08:33) Construirea unei rețele neuronale în modul Clasei Model
⌨️ (2:14:31) Lucruri pe care ar trebui să le adăugăm
⌨️ (2:18:29) Restructurarea codului nostru pentru o mai bună lizibilitate
⌨️ (2:23:11) Rezumatul primei părți
⌨️ (2:24:12) Ce vrem să realizăm
⌨️ (2:25:23) Descărcarea și explorarea setului de date
⌨️ (2:34:20) Pregătirea trenurilor și seturi de validare
⌨️ (2:53:37) Pregătirea setului de testare
⌨️ (3:10:17) Construirea unei rețele neuronale în mod funcțional
⌨️ (3:22:12) Crearea generatoarelor de date
⌨️ (3:31:39) Instanțierea generatoarelor
⌨️ (3:35:37) Compilarea modelului și potrivirea datelor
⌨️ (3:40:34) Adăugarea de apeluri inverse
⌨️ (3:52:08) Evaluarea modelului
⌨️ (3:58:04) Potențiale îmbunătățiri
⌨️ (4:08:49) Predicție de rulare pe imagini individuale
⌨️ (4:23:05) Rezumatul părții a doua
⌨️ (4:23:56) Unde mă puteți găsi dacă aveți întrebări
—
🎉 Mulțumim susținătorilor noștri Campion și Sponsor:
👾 Wong Voon Jinq
👾 hexploatare
👾 Katia Moran
👾 BlckPhantom
👾 Nick Raker
👾 Otis Morgan
👾 DeezMaster
👾 Casă în copac
👾 AppWrite
—
Învățați să codificați gratuit și obțineți un job de dezvoltator: https://www.freecodecamp.org
Citiți sute de articole despre programare: https://freecodecamp.org/news
Cursuri interesante:
- Deep Learning for Computer Vision cu Python și TensorFlow – Curs complet
- Învățare profundă aplicată cu PyTorch – Curs complet
- PyTorch pentru Deep Learning și Machine Learning – Curs complet
- Python TensorFlow pentru învățare automată – Tutorial de clasificare a textului rețelelor neuronale
- Curs TensorFlow – Construirea și evaluarea modelelor medicale AI
- Curs complet TensorFlow 2.0 – Tutorial Rețele neuronale Python pentru începători
- Curs accidental TensorFlow 2.0
- Curs intensiv de învățare profundă pentru începători
- Cursuri Mechanical Desktop
- Interviu de angajare în știința datelor – Interviu simulat complet