or
Ця вправа є частиною курсу
Перш ніж створювати складні моделі в TensorFlow 2, спершу варто розібратися з основами. У цьому розділі ви навчитеся оголошувати константи й змінні, виконувати додавання та множення тензорів і обчислювати похідні. Знання лінійної алгебри буде корисним, але не обов'язковим.
У цьому розділі ви навчитеся будувати, розв'язувати та робити передбачення з моделями в TensorFlow 2. Ми зосередимося на простому класі моделей — лінійній регресії — і спробуємо передбачати ціни на житло. Наприкінці розділу ви знатимете, як завантажувати й опрацьовувати дані, конструювати функції втрат, виконувати мінімізацію, робити передбачення та зменшувати ресурсомісткість за допомогою пакетного навчання.
У попередніх розділах ви дізналися, як створювати моделі в TensorFlow 2. У цьому розділі ви застосуєте ті самі інструменти, щоб будувати, тренувати та робити передбачення з нейронними мережами. Ви навчитеся визначати щільні (dense) шари, застосовувати функції активації, обирати оптимізатор і використовувати регуляризацію, щоб зменшити перенавчання. Ви скористаєтеся гнучкістю TensorFlow, поєднуючи низькорівневі операції лінійної алгебри та високорівневі операції Keras API для визначення й тренування моделей.
У фінальному розділі ви використаєте високорівневі API в TensorFlow 2, щоб натренувати класифікатор літер жестової мови. Ви застосуєте як послідовний (sequential), так і функціональний Keras API, щоб тренувати, валідувати, робити передбачення та оцінювати моделі. Ви також дізнаєтеся, як використовувати Estimators API, щоб спростити визначення моделі та процес тренування і зменшити кількість помилок.
Поточна вправа