在线课程 – 高级 DeepLearning.AI 技术专业认证

使用 TensorFlow 自定义模型、层和损失函数

课程 1 • 31 小时 • 4.9 （1,046 个评分）

课程详情

学习内容

• 比较功能性 API 和连续 API，发现可以使用功能性 API 构建的新模型，并构建生成多个输出（包括 Siamese 网络）的模型。
• 构建自定义损失函数（包括 Siamese 网络中使用的对比损失函数）来衡量模型的成功，并帮助您的神经网络从训练数据中学习。
• 在现有标准层的基础上构建以创建针对您的模型定制的层，使用输入层调整网格层，了解它们之间的差异，了解什么是自定义层组件，并探索操作功能。
• 您将基于现有模型构建以添加自定义函数，您将学习如何设置自定义类而不是使用功能性或连续 API，您将构建可从 TensorFlow Model 类继承的模型，以及通过配置自定义模型类来构建残差网络 （ResNet）。

DeepLearning.AI TensorFlow 专项课程：高级技术

展示 TensorFlow 的功能，这些功能使学习者能够更好地控制其模型架构，以及帮助他们创建和训练高级机器学习模型的工具。

此专业化适用于

适用于对 TensorFlow 有基本了解，并希望通过学习 TensorFlow 高级功能来构建强大模型来扩展知识和技能的初期和中期软件和机器学习工程师。

您将获得的技能

• 类别： 功能式 API
• 功能 API
• 类别： 具有功能 API 的自定义和专用模型
• 具有功能性 API 的自定义和专用模型
• 类别： 自定义损失函数
• 自定义损失函数
• 类别： 自定义图层
• 自定义图层

使用 TensorFlow 进行个性化分布式训练

课程 2 • 24 小时 • 4.8 （406 个等级）

课程详情

学习内容

• 您将了解张量对象、TensorFlow 的基本模块，了解 TensorFlow 中“热情”和“图形”量表之间的区别，并学习如何使用 TensorFlow 工具计算梯度。
• 构建自定义 utilizando、GradientTape 和 TensorFlow 数据集训练循环，以便在训练模型时获得更大的灵活性和可见性。
• 您将了解创建以图形模式运行的代码的好处，了解图形代码的外观，并练习使用 TensorFlow 工具自动迁移该高效代码。
• 您将利用分布式训练的强大功能更快地处理更多数据并训练更大的模型，您将大致了解不同的分布式训练策略，并且您将练习使用在多个 GPU 上训练的策略和在多个 TPU 上训练的策略。

DeepLearning.AI TensorFlow 专项课程：高级技术

展示 TensorFlow 的功能，这些功能使学习者能够更好地控制其模型架构，以及帮助他们创建和训练高级机器学习模型的工具。

此专业化适用于

适用于对 TensorFlow 有基本了解，并希望通过学习 TensorFlow 高级功能来构建强大模型来扩展知识和技能的初期和中期软件和机器学习工程师。

您将获得的技能

• 类别： 分销策略
• 分销策略
• 类别： 用于优化的 GradientTape
• 用于优化的 GradientTape
• 类别： 自定义训练循环
• 自定义锻炼循环
• 类别： Tensor 的基本功能
• 基本 Tensor 功能

使用 TensorFlow 的高级计算机视觉

课程 3 • 19 小时 • 4.8 （498 评分）

课程详情

学习内容

• 探索图像分类、图像分割、对象放置和对象发现。将迁移学习应用于位置和对象发现。
• 实施对象检测模型，例如 regional-CNN 和 ResNet-50，调整现有模型，并构建自己的模型来发现、放置和标记您的鸭子图像。
• 使用全卷积网络 （FCN） 的变体（包括 U-Net 和 Mask-RCNN）实施图像分割，以识别和发现数字、宠物、僵尸等。
• 您将确定模型正在使用图像的哪些部分来使用部门和重要性图进行预测，并应用这些机器学习解释方法来测试和改进著名网络 AlexNet 的设计。

DeepLearning.AI TensorFlow 专项课程：高级技术

展示 TensorFlow 的功能，这些功能使学习者能够更好地控制其模型架构，以及帮助他们创建和训练高级机器学习模型的工具。

此专业化适用于

适用于对 TensorFlow 有基本了解，并希望通过学习 TensorFlow 高级功能来构建强大模型来扩展知识和技能的初期和中期软件和机器学习工程师。

您将获得的技能

• 类别： 重要性
• 重要性
• 类别： 图像分割
• 图像分割
• 类别： 解释模型
• 解释模型
• 类别： 部门运营图
• 各部门运营图
• 类别： TensorFlow 中的对象发现 API
• TensorFlow 中用于对象发现的 API

使用 TensorFlow 进行生成式深度学习

课程 4 • 16 小时 • 4.9 （279 个等级）

课程详情

学习内容

• 您将通过移情学习了解神经风格的迁移：您将找到图像的内容（例如，一只鸭子）和一幅画的风格（例如，立体派或印象派），并将内容和风格组合成一个新的图像。
• 您将在著名的 MNIST 数据集上构建简单的自动编码器，并在 Fashion MNIST 数据集上构建更复杂的深度卷积架构，了解 DNN 和 CNN 模型之间的结果差异，确定从噪点图像中去除噪点的方法，并使用 TensorFlow 构建 CNN 自动编码器，以从噪点图像生成清晰的图像。
• 探索变分自动编码器 （VAE） 以生成全新的数据，并创建动漫面孔以将其与参考图像进行比较。
• 您将了解 GAN;发明、功能、架构以及它们与 VAE 的区别，您将了解生成器和离散器在模型中的作用、2 个训练阶段的概念和输入噪声的作用，并且您将构建自己的 GAN 来生成内部。

DeepLearning.AI TensorFlow 专项课程：高级技术

展示 TensorFlow 功能，这些功能使学习者能够更好地控制其模型架构，并为他们提供创建和训练高级机器学习模型的工具。

此专业化适用于

适用于对 TensorFlow 有基本了解，并希望通过学习 TensorFlow 高级功能来构建强大模型来扩展知识和技能的初期和中期软件和机器学习工程师。

您将获得的技能

• 类别： 自动编码器
• 自动编码器
• 类别： 电阻生成网络
• 电阻生成网络
• 类别： 神经元式传递
• 神经元式传递