Plan du cours

Commencer

    Configuration et installation

TensorFlow Bases

    Création, initialisation, sauvegarde et restauration des variables TensorFlow Alimentation, lecture et préchargement des données TensorFlow Comment utiliser l'infrastructure TensorFlow pour former des modèles à grande échelle Visualisation et évaluation de modèles avec TensorBoard

TensorFlow Mécanique 101

    Préparer les entrées de téléchargement de données et les espaces réservés
Construire l'inférence graphique
  • Perte
  • Entraînement
  • Entraîner le modèle Le graphique
  • La session
  • Boucle ferroviaire
  • Évaluer le modèle Créer le graphique d'évaluation
  • Sortie d'évaluation
  • Utilisation avancée
  • Threading et files d'attente distribuées TensorFlow Rédaction de documentation et partage de votre modèle Personnalisation des lecteurs de données à l'aide de GPU Manipulation TensorFlow Fichiers de modèle
  • TensorFlow Servir
  • Introduction Tutoriel de diffusion de base Tutoriel de diffusion avancée Tutoriel de diffusion du modèle de création

      Premiers pas avec SyntaxNet

    Analyser à partir d'une entrée standard Annoter un corpus Configurer les Python scripts

      Construire un pipeline PNL avec SyntaxNet

    Obtention de données Marquage de parties du discours Formation du SyntaxNet POS Tagger Prétraitement avec le Tagger Analyse des dépendances : Analyse basée sur les transitions Formation d'un analyseur Étape 1 : Pré-formation locale Formation d'un analyseur Étape 2 : Formation globale

      Représentations vectorielles de Words

    Motivation : Pourquoi apprendre les intégrations de mots ? Mise à l'échelle avec la formation au contraste de bruit Le modèle Skip-gram Construire le graphique Entraîner le modèle Visualiser les intégrations apprises Évaluer les intégrations : raisonnement analogique Optimiser la mise en œuvre

       

     

    Pré requis

    Connaissance pratique de python

      35 heures

    Nombre de participants


    Début

    Fin


    Dates are subject to availability and take place between 09:30 and 16:30.

    Prix par participant

    Nos Clients témoignent (3)

    Cours Similaires

    Understanding Deep Neural Networks

      35 heures

    Catégories Similaires