or
Toto cvičení je součástí kurzu
Než se pustíš do pokročilých modelů v TensorFlow 2, je důležité zvládnout základy. V této kapitole se naučíš definovat konstanty a proměnné, provádět sčítání a násobení tenzorů a počítat derivace. Znalost lineární algebry se hodí, ale není podmínkou.
V této kapitole se naučíš, jak v TensorFlow 2 sestavovat a řešit modely a jak s nimi dělat predikce. Zaměříš se na jednoduchou třídu modelů – lineární regresi – a pokusíš se předpovídat ceny nemovitostí. Na konci kapitoly budeš vědět, jak načítat a zpracovávat data, sestavovat ztrátové funkce, provádět minimalizaci, generovat predikce a šetřit prostředky pomocí dávkového trénování.
V předchozích kapitolách sis osvojil/a, jak stavět modely v TensorFlow 2. V této kapitole použiješ stejné nástroje k sestavení, trénování a predikci s neuronovými sítěmi. Naučíš se definovat husté vrstvy, aplikovat aktivační funkce, vybírat optimalizátor a používat regularizaci k omezení přeučení. Využiješ flexibilitu TensorFlow a budeš pracovat jak s low-level lineární algebrou, tak s high-level operacemi Keras API.
Aktuální cvičení
V závěrečné kapitole použiješ high-level API v TensorFlow 2 k trénování klasifikátoru písmen znakové řeči. Využiješ sekvenční i funkcionální Keras API k trénování, validaci, predikci a vyhodnocování modelů. Zároveň se naučíš, jak pomocí Estimators API zjednodušit definici a trénování modelů a předejít chybám.