Bis jetzt habe ich Machine Leaning Von Dr. Andrew Ng von Cousera und das berühmte [Deep Learning von Grund auf neu](https: //) genommen. Ich las www.oreilly.co.jp/books/9784873117584/) und schrieb den Code gemäß dem Buch.
Es war jedoch unklar, wie mit der Erstellung und Implementierung eines neuen Deep Learning-Netzwerks begonnen werden sollte. Zu dieser Zeit fand ich den folgenden Kurs und nahm daran teil, was besser war als ich erwartet hatte. Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning
--Tensorflow / Keras kann jetzt verwendet werden
Week 1. A New Programming Paradigm
Erklärt den Unterschied zwischen maschinellem Lernen und regulärer Programmierung. Ziemlich einfacher Inhalt.
In der Aufgabe wurde das Regressionsproblem mit Tensorflow gelöst.
Week 2. Introduction to Computer Vision
Lösen Sie das Klassifizierungsproblem mithilfe von Fashion MNIST-Daten. Diese Woche werden wir CNN nicht verwenden und die Bilddaten als einzeiligen Vektor mit dichtem neuronalen Netz lösen. In diesem Prozess habe ich gelernt, wie man ein Netzwerk mit Keras konfiguriert.
Sie erfahren auch, wie Sie nach Beendigung der Epoche einen Rückruf aufrufen. Infolgedessen kann das Lernen abgeschlossen werden, wenn die Genauigkeit ein bestimmtes Niveau überschreitet.
In der Aufgabe habe ich das übliche MNIST-Klassifizierungsproblem gelöst.
Week 3. Enhancing Vision with Convolutional Neural Networks
Lösen Sie das Fashion MNIST-Klassifizierungsproblem in Woche 2 mit CNN. Erfahren Sie eine sehr kurze Beschreibung von CNN und wie Sie es tatsächlich in Tensorflow / Keras implementieren. Ich vertiefte mein Verständnis, indem ich die Ergebnisse der Faltung visualisierte. Darüber hinaus konnte ich durch Versuch und Irrtum erfahren, wie sich dies auf die Genauigkeit und die Lern- und Inferenzgeschwindigkeit auswirkt, z. B. durch Ändern der Anzahl der Faltungsebenen und Ausschließen von Max Pooling.
Week 4. Using Real-world Images
Wenden Sie das, was Sie in Woche 3 getan haben, auf ein reales Bild an (M Pixel, Farbbilder, Objekte, die nicht in der Mitte liegen). Insbesondere die Klassifizierung von "Personen" - und "Pferde" -Bildern. Das Folgende war besonders hilfreich für die Visualisierung der Ausgabe der Zwischenschicht.
Wie in Bewertungen geschrieben, sind der Inhalt und die Übung sicherlich einfach. Dr. Andrew Ngs [Machine Leaning] von Coursera (https://www.coursera.org/learn/machine-learning?) Und Deep Learning von Grund auf neu / 9784873117584 /) Ist es nicht ein guter nächster Schritt nach dem Lernen?
Recommended Posts