Machine Learning Using TensorFlow PRO

Анализ И Обзор Приложения Android: Machine Learning Using TensorFlow PRO, Разработанный reSolution. Перечислен В Категории Образование. Текущая Версия-1.0, Обновленная На 08/01/2019 . Согласно Обзорам Пользователей В Google Play: Machine Learning Using TensorFlow PRO. Достигнуто Более 174 Установок. Machine Learning Using TensorFlow PRO В Настоящее Время Имеет 1 Обзоров, Средний Рейтинг 5.0 Звезд

Машинное обучение (ML) - это научное исследование алгоритмов и статистических моделей, которые компьютерные системы используют для постепенного улучшения их производительности по конкретной задаче.

Этот учебник предоставляет различные приложения ML с использованием TensorFlow.

TensorFlow ™ - это библиотека программного обеспечения с открытым исходным кодом для высокопроизводительных численных вычислений. Его гибкая архитектура обеспечивает легкое развертывание вычислений на различных платформах (процессоры, графические процессоры, TPU), а также от настольных компьютеров до кластеров серверов до мобильных и краевых устройств. Первоначально разработанный исследователями и инженерами из команды Google Brain в организации Google AI, он обеспечивает сильную поддержку машинного обучения и глубокого обучения, а ядро ​​гибкого численного вычисления используется во многих других научных доменах.

Предоставляет этот урок Следующие приложения:
1) Основная классификация
Это руководство обучает модель нейронной сети для классификации изображений одежды, таких как кроссовки и рубашки. Положительный или отрицательный, используя текст обзора.

3) Сохранить и восстановить модели
Прогресс модели можно сохранить во время - и после - подготовка. Это означает, что модель может возобновить, когда она остановилась и избегает длительного времени обучения. Это приложение обеспечивает, как сохранить и восстановить модель.

4) распознавание изображений
Этот учебник научит вас, как использовать начало- v3. Вы узнаете, как классифицировать изображения в 1000 классов в Python.

5) переосмысление изображения
В этом уроке мы повторно используем возможности извлечения функций из мощных классификаторов изображений, обученных на ImageNet и просто тренировать Новый классификационный слой сверху.