Machine Learning Using TensorFlow PRO

تجزیه و تحلیل و بررسی برنامه Android: Machine Learning Using TensorFlow PRO ، ساخته شده توسط reSolution. ذکر شده در گروه آموزش. نسخه فعلی 1.0 است که در 08/01/2019 به روز شده است. با توجه به بررسی کاربران در Google Play: Machine Learning Using TensorFlow PRO. بیش از 174 نصب به دست آمد. Machine Learning Using TensorFlow PRO در حال حاضر 1 بررسی ، میانگین امتیاز 5.0 ستاره دارد

یادگیری ماشین (ml) مطالعه علمی الگوریتم‌ها و مدل‌های آماری است که سیستم‌های رایانه‌ای برای بهبود تدریجی عملکرد خود در یک کار خاص استفاده می‌کنند.

این آموزش کاربردهای مختلفی از ml را با استفاده از tensorflow ارائه می‌کند.

tensorflow™ یک کتابخانه نرم‌افزار منبع باز برای محاسبات عددی با کارایی بالا است. معماری انعطاف‌پذیر آن امکان استقرار آسان محاسبات را در انواع پلتفرم‌ها (cpus، gpus، tpus) و از دسک‌تاپ گرفته تا خوشه‌هایی از سرورها و دستگاه‌های تلفن همراه و لبه‌ای را فراهم می‌کند. در ابتدا توسط محققان و مهندسان تیم مغز گوگل در سازمان ai گوگل توسعه یافته است، با پشتیبانی قوی از یادگیری ماشینی و یادگیری عمیق ارائه شده است و هسته محاسبات عددی انعطاف پذیر در بسیاری از حوزه های علمی دیگر استفاده می شود.

این آموزش کاربردهای زیر را ارائه می دهد:
1)طبقه بندی پایه
این راهنما یک مدل شبکه عصبی لباس را آموزش می دهد، و مدل شبکه های عصبی را برای طبقه بندی شبیه به تصاویر طبقه بندی می کند. پیراهن‌ها.

2) طبقه‌بندی متن
این برنامه با استفاده از متن نقد، نقدهای فیلم را به‌عنوان مثبت یا منفی طبقه‌بندی می‌کند.

3) ذخیره و بازیابی مدل‌ها
پیشرفت مدل را می‌توان در حین و بعد از آموزش ذخیره کرد. این به این معنی است که یک مدل می‌تواند از همان جایی که متوقف شده است ادامه دهد و از زمان‌های طولانی آموزش اجتناب کند. این برنامه نحوه ذخیره و بازیابی یک مدل را ارائه می‌دهد.

4)تشخیص تصویر
این آموزش نحوه استفاده از inception-v3 را به شما آموزش می‌دهد. شما یاد خواهید گرفت که چگونه تصاویر را به 1000 کلاس در پایتون طبقه بندی کنید.

5)آموزش مجدد یک تصویر
در این آموزش، ما از قابلیت های استخراج ویژگی از طبقه بندی کننده های تصویر قدرتمند آموزش دیده در imagenet استفاده مجدد خواهیم کرد و به سادگی یک لایه طبقه بندی جدید را در بالا آموزش خواهیم داد.

Read more