Description du cours
TensorFlow est une bibliothèque logicielle open source populaire pour l'apprentissage profond et est largement utilisée dans les applications d'apprentissage automatique. Dans ces leçons, vous découvrirez la répartition la plus courante entre l'entraînement et la validation et l'importance de maintenir un équilibre entre les deux ensembles. Vous découvrirez également l'une des techniques de prétraitement fournies par TensorFlow pour les images, ce qui est crucial pour améliorer la précision du modèle. En outre, vous explorerez l'utilisation de données mélangées dans l'entraînement et s'il est conseillé de les combiner avec un fractionnement de validation de l'entraînement.
Ensuite, vous allez vous plonger dans les bases des couches aplaties et denses dans TensorFlow. La couche aplatie remodèle les données d'entrée en un tableau à 1 dimension, tandis que la couche dense relie tous les neurones de la couche précédente à la suivante. Vous découvrirez également la classe de modèle utilisée pour TensorFlow, qui est un outil fondamental pour la création de modèles d'apprentissage profond.
Dans l'ensemble, vous aurez un aperçu des différents types de problèmes de vision et d'audio que TensorFlow peut résoudre. Vous découvrirez l'importance de l'entraînement sur un ensemble de test séparé et pourquoi il n'est pas conseillé de s'entraîner sur des données de test.
Ce que vous allez apprendre
- Comprendre la répartition formation/validation la plus courante et l'importance d'équilibrer les deux ensembles
- Appliquer une technique de prétraitement d'image TensorFlow pour améliorer la précision du modèle
- Évaluer l'utilisation de données mélangées lors de la formation et s'il convient de les combiner avec une répartition formation/validation
- Explorer les couches aplaties et denses (flatten et dense layers) dans TensorFlow et comment elles remodèlent et connectent les données
- Construire des modèles d'apprentissage profond à l'aide de la classe modèle TensorFlow
- Identifier les types de problèmes de vision et d'audio que TensorFlow peut résoudre
Points clés à retenir
- TensorFlow est une bibliothèque de logiciels open source populaire pour l'apprentissage profond qui est largement utilisée dans les applications d'apprentissage automatique.
- Il est important de maintenir un équilibre entre les ensembles de formation et de validation lors du fractionnement des données.
- La couche aplatie (flatten layer) remodèle les données d'entrée en un tableau à une dimension, tandis que la couche dense relie tous les neurones de la couche précédente à la suivante.
- La classe de modèle est un outil fondamental pour la création de modèles d'apprentissage profond dans TensorFlow.
- La formation doit être effectuée sur un ensemble de test distinct, et il n'est pas conseillé de s'entraîner sur des données de test.
Foire aux questions
Qu'est-ce que TensorFlow selon ce cours ?
TensorFlow est une bibliothèque logicielle open source populaire pour l'apprentissage profond, largement utilisée dans les applications d'apprentissage automatique.
Quels sujets ce cours couvre-t-il ?
Il couvre la répartition courante formation/validation, une technique de prétraitement d'image TensorFlow, l'utilisation de données mélangées dans la formation, les couches aplaties et denses, la classe de modèle TensorFlow, et les types de problèmes de vision et d'audio que TensorFlow peut résoudre.
Quelles compétences vais-je acquérir grâce à ce cours ?
Vous acquerrez des compétences en apprentissage profond, en méthodes d'apprentissage profond, en formation de modèles d'apprentissage automatique, en TensorFlow, en ensembles de données de formation et en apprentissage par transfert.
Quelles leçons sont incluses ?
Le cours comprend les leçons Données et prétraitement des données TensorFlow, Modèles TensorFlow et Outils professionnels.
Pourquoi ne devrais-je pas m'entraîner sur des données de test ?
Le cours explique l'importance de la formation sur un ensemble de test distinct et pourquoi il n'est pas conseillé de s'entraîner sur des données de test.
