Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow. Aurélien Géron. Читать онлайн. Newlib. NEWLIB.NET

Автор: Aurélien Géron
Издательство: Bookwire
Серия:
Жанр произведения: Математика
Год издания: 0
isbn: 9783960103400
Скачать книгу
rel="nofollow" href="#ud63a0eae-8a8f-4ad9-b2e2-8643166e259f">Vorverarbeitungsschichten von Keras

       TF Transform

       Das TensorFlow-Datasets-(TFDS-)Projekt

       Übungen

       14Deep Computer Vision mit Convolutional Neural Networks

       Der Aufbau des visuellen Cortex

       Convolutional Layers

       Filter

       Stapeln mehrerer Feature Maps

       Implementierung in TensorFlow

       Speicherbedarf

       Pooling Layers

       Implementierung in TensorFlow

       Architekturen von CNNs

       LeNet-5

       AlexNet

       GoogLeNet

       VGGNet

       ResNet

       Xception

       SENet

       Ein ResNet-34-CNN mit Keras implementieren

       Vortrainierte Modelle aus Keras einsetzen

       Vortrainierte Modelle für das Transfer Learning

       Klassifikation und Lokalisierung

       Objekterkennung

       Fully Convolutional Networks

       You Only Look Once (YOLO)

       Semantische Segmentierung

       Übungen

       15Verarbeiten von Sequenzen mit RNNs und CNNs

       Rekurrente Neuronen und Schichten

       Gedächtniszellen

       Ein- und Ausgabesequenzen

       RNNs trainieren

       Eine Zeitserie vorhersagen

       Grundlegende Metriken

       Ein einfaches RNN implementieren

       Deep RNNs

       Mehrere Zeitschritte vorhersagen

       Arbeit mit langen Sequenzen

       Gegen instabile Gradienten kämpfen

       Das Problem des Kurzzeitgedächtnisses

       Übungen

       16Natürliche Sprachverarbeitung mit RNNs und Attention

       Shakespearesche Texte mit einem Character-RNN erzeugen

       Den Trainingsdatensatz erstellen

       Wie ein sequenzieller Datensatz aufgeteilt wird

       Den sequenziellen Datensatz in mehrere Fenster unterteilen

       Das Char-RNN-Modell bauen und trainieren

       Das Char-RNN-Modell verwenden

       Einen gefälschten Shakespeare-Text erzeugen

       Zustandsbehaftetes RNN

       Sentimentanalyse

       Maskieren

       Vortrainierte Embeddings wiederverwenden

       Ein Encoder-Decoder-Netzwerk für die neuronale maschinelle Übersetzung

       Bidirektionale RNNs