Selamat!

Create Your Free Account

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Latihan ini merupakan bagian dari kursus

Pendahuluan TensorFlow di Python

SkillTag.level.intermediateSkillTag.label

4.8+

Sebelum Anda dapat membangun model tingkat lanjut di TensorFlow 2, Anda perlu memahami dasar-dasarnya terlebih dahulu. Pada bab ini, Anda akan belajar cara mendefinisikan konstanta dan variabel, melakukan penjumlahan dan perkalian tensor, serta menghitung turunan. Pengetahuan aljabar linear akan membantu, namun tidak wajib.

Exercise 1: Konstanta dan variabel Exercise 2: Mendefinisikan data sebagai konstanta Exercise 3: Mendefinisikan variabel Exercise 4: Operasi dasar Exercise 5: Melakukan perkalian elemen-per-elemen Exercise 6: Membuat prediksi dengan perkalian matriks Exercise 7: Menjumlahkan berdasarkan dimensi tensor Exercise 8: Operasi lanjutan Exercise 9: Mengubah bentuk tensor Exercise 10: Optimasi dengan gradien Exercise 11: Bekerja dengan data citra

Pada bab ini, Anda akan belajar cara membangun, menyelesaikan, dan membuat prediksi dengan model di TensorFlow 2. Anda akan berfokus pada kelas model sederhana—model regresi linear—dan mencoba memprediksi harga rumah. Di akhir bab, Anda akan mengetahui cara memuat dan memanipulasi data, menyusun fungsi loss, melakukan minimisasi, membuat prediksi, serta mengurangi penggunaan sumber daya dengan pelatihan batch.

Exercise 1: Data masukan Exercise 2: Muat data menggunakan pandas Exercise 3: Menetapkan tipe data Exercise 4: Fungsi kerugian Exercise 5: Fungsi loss di TensorFlow Exercise 6: Memodifikasi fungsi loss Exercise 7: Regresi linear Exercise 8: Menyusun regresi linear Exercise 9: Latih model linear Exercise 10: Regresi linear berganda Exercise 11: Pelatihan batch Exercise 12: Mempersiapkan pelatihan batch Exercise 13: Melatih model linear secara batch

Bab-bab sebelumnya mengajarkan Anda cara membangun model di TensorFlow 2. Pada bab ini, Anda akan menerapkan alat yang sama untuk membangun, melatih, dan membuat prediksi dengan neural network. Anda akan belajar cara mendefinisikan dense layer, menerapkan fungsi aktivasi, memilih optimizer, serta menerapkan regularisasi untuk mengurangi overfitting. Anda akan memanfaatkan fleksibilitas TensorFlow dengan menggunakan aljabar linear tingkat rendah dan operasi API Keras tingkat tinggi untuk mendefinisikan dan melatih model.

Exercise 1: Lapisan dense Exercise 2: Aljabar linear pada dense layer Exercise 3: Pendekatan level rendah dengan beberapa contoh Exercise 4: Menggunakan operasi dense layer Exercise 5: Fungsi aktivasi Exercise 6: Masalah klasifikasi biner Exercise 7: Masalah klasifikasi multiclass Exercise 8: Optimizer Exercise 9: Bahaya minimum lokal Exercise 10: Menghindari local minima Exercise 11: Melatih jaringan di TensorFlow Exercise 12: Inisialisasi di TensorFlow Exercise 13: Mendefinisikan model dan fungsi loss Exercise 14: Melatih neural network dengan TensorFlow

Pada bab terakhir, Anda akan menggunakan API tingkat tinggi di TensorFlow 2 untuk melatih pengklasifikasi huruf bahasa isyarat. Anda akan menggunakan Keras API sequential dan functional untuk melatih, memvalidasi, membuat prediksi, dan mengevaluasi model. Anda juga akan mempelajari cara menggunakan Estimators API untuk menyederhanakan proses pendefinisian dan pelatihan model serta menghindari kesalahan.

Exercise 1: Mendefinisikan jaringan neural dengan Keras Exercise 2: Model sequential di Keras Exercise 3: Mengompilasi model sequential Exercise 4: Mendefinisikan model dengan banyak masukan Exercise 5: Pelatihan dan validasi dengan Keras Exercise 6: Pelatihan dengan Keras Exercise 7: Metrik dan validasi dengan Keras Exercise 8: Deteksi overfitting Exercise 9: Mengevaluasi model Exercise 10: Melatih model dengan Estimators API Exercise 11: Mempersiapkan pelatihan dengan Estimators Exercise 12: Mendefinisikan Estimator Exercise 13: Selamat!

Latihan Saat Ini