Keras का वर्णन

निम्न में से Keras के बारे में कौन-सा कथन गलत है?

यह अभ्यास पाठ्यक्रम का हिस्सा है

Keras के साथ डीप लर्निंग परिचय

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

हमारे इंटरैक्टिव अभ्यासों में से किसी एक के साथ सिद्धांत को व्यवहार में बदलें

अभ्यास शुरू करें

यह अभ्यास पाठ्यक्रम का हिस्सा है

Keras के साथ डीप लर्निंग परिचय

SkillTag.level.intermediateSkillTag.label

4.8+

132 reviews

पाठ्यक्रम मुफ्त में शुरू करें

इस पहले अध्याय में, आप न्यूरल नेटवर्क्स से परिचित होंगे, समझेंगे कि वे किस तरह की समस्याएँ हल कर सकते हैं और कब उनका उपयोग करना चाहिए। आप कई नेटवर्क बनाएँगे और हमारे पास आती एक उल्का पिंड की कक्षा का अनुमान लगाने के लिए एक रिग्रेशन मॉडल ट्रेन कर के धरती को बचाएँगे!

Exercise 1: Keras क्या है?Exercise 2: Keras का वर्णन

वर्तमान अभ्यास

Exercise 3: क्या आप डीप लर्निंग का उपयोग करेंगे?Exercise 4: आपका पहला न्यूरल नेटवर्क Exercise 5: Hello nets!Exercise 6: पैरामीटर गिनना Exercise 7: जैसा दिखाया है, वैसा ही बनाएँ!Exercise 8: उल्कापिंड टकराव से बचना Exercise 9: एक मॉडल निर्दिष्ट करना Exercise 10: ट्रेनिंग Exercise 11: कक्षा (orbit) की भविष्यवाणी!

इस अध्याय के अंत तक, आप न्यूरल नेटवर्क्स के साथ बाइनरी, मल्टी-क्लास और मल्टी-लेबल समस्याएँ हल करना जानेंगे। यह सब आप ऐसी समस्याएँ सुलझाकर करेंगे जैसे नकली डॉलर बिल पहचानना, तय करना कि बोर्ड पर कौन-सा डार्ट किसने फेंका, और अपनी खेती को पानी देने के लिए एक स्मार्ट सिस्टम बनाना। आप मॉडल ट्रेनिंग मेट्रिक्स प्लॉट करना, ट्रेनिंग को तब रोकना और मॉडल्स को सेव करना भी सीखेंगे जब वे अब और बेहतर नहीं हो रहे हों।

Exercise 1: बाइनरी क्लासिफिकेशन Exercise 2: डॉलर बिल्स की पड़ताल Exercise 3: एक बाइनरी क्लासिफिकेशन मॉडल Exercise 4: क्या यह डॉलर बिल नकली है?Exercise 5: मल्टी-क्लास क्लासिफिकेशन Exercise 6: एक मल्टी-क्लास मॉडल Exercise 7: अपना डेटासेट तैयार करें Exercise 8: डार्ट फेंकने वालों पर प्रशिक्षण Exercise 9: Softmax प्रेडिक्शंस Exercise 10: मल्टी-लेबल क्लासिफिकेशन Exercise 11: एक सिंचाई मशीन Exercise 12: मल्टी-लेबल के साथ प्रशिक्षण Exercise 13: Keras कॉलबैक Exercise 14: हिस्ट्री callback Exercise 15: अपने मॉडल में early stopping Exercise 16: Callbacks का कॉम्बिनेशन

पिछले अध्यायों में, आपने बहुत से मॉडल्स ट्रेन किए हैं! अब आप लर्निंग कर्व्स की व्याख्या करना सीखेंगे ताकि ट्रेनिंग के दौरान अपने मॉडलों को समझ सकें। आप एक्टिवेशन फंक्शंस, बैच साइज़, और बैच नॉर्मलाइज़ेशन के असर को भी विज़ुअलाइज़ करेंगे। अंत में, आप sklearn का उपयोग करके अपने Keras मॉडलों के लिए ऑटोमैटिक हाइपरपैरामीटर ऑप्टिमाइज़ेशन करना सीखेंगे।

Exercise 1: लर्निंग कर्व्स Exercise 2: अंकों को सीखना Exercise 3: क्या मॉडल overfitting कर रहा है?Exercise 4: क्या हमें और डेटा चाहिए?Exercise 5: एक्टिवेशन फंक्शंस Exercise 6: अलग-अलग activation functions Exercise 7: Activation functions की तुलना Exercise 8: एक्टिवेशन फंक्शन्स की तुलना II Exercise 9: बैच साइज और बैच नॉर्मलाइज़ेशन Exercise 10: बैच साइज बदलना Exercise 11: एक परिचित मॉडल को बैच-नॉर्मलाइज़ करना Exercise 12: बैच नॉर्मलाइज़ेशन के प्रभाव Exercise 13: हाइपरपैरामीटर ट्यूनिंग Exercise 14: ट्यूनिंग के लिए मॉडल तैयार करना Exercise 15: मॉडल पैरामीटर ट्यून करना Exercise 16: क्रॉस-वैलिडेशन के साथ प्रशिक्षण

अब समय है और उन्नत आर्किटेक्चर से परिचित होने का! आप नॉइज़ी इमेजेस को रिकंस्ट्रक्ट करने के लिए एक ऑटोएन्कोडर बनाएँगे, कॉन्वोल्यूशनल न्यूरल नेटवर्क्स की एक्टिवेशंस को विज़ुअलाइज़ करेंगे, गहरे प्री-ट्रेंड मॉडलों का उपयोग करके इमेजेस को क्लासिफाई करेंगे, और रेकरेन्ट न्यूरल नेटवर्क्स तथा टेक्स्ट के साथ काम करने के बारे में और जानेंगे जब आप ऐसा नेटवर्क बनाएँगे जो वाक्य में अगले शब्द की भविष्यवाणी करता है।

Exercise 1: Tensors, layers, और autoencoders Exercise 2: यह टेन्सर्स का फ्लो है Exercise 3: न्यूरल सेपरेशन Exercise 4: एक ऑटोएन्कोडर बनाना Exercise 5: ऑटोएन्कोडर की तरह डी-नॉइज़िंग Exercise 6: CNNs परिचय Exercise 7: एक CNN मॉडल बनाना Exercise 8: Convolutions को देखना Exercise 9: इनपुट इमेज की तैयारी Exercise 10: रियल-वर्ल्ड मॉडल का उपयोग Exercise 11: LSTM परिचय Exercise 12: LSTMs के साथ टेक्स्ट प्रेडिक्शन Exercise 13: अपना LSTM मॉडल बनाएँ Exercise 14: अपनी predictions डिकोड करें Exercise 15: अपने मॉडल का परीक्षण करें!Exercise 16: आपका काम पूरा हुआ!