آموزش یادگیری عمیق با پایتون – تنسورفلو و کراس TensorFlow و Keras
در سالهای اخیر، یادگیری عمیق، تحول بزرگی را در یادگیری ماشین و هوش مصنوعی ایجاد کرده است. یکی از مهمترین شاخههای مبحث یادگیری عمیق، بسترهای نرمافزاری و برنامهنویسی هستند که به منظور پیادهسازی و آموزش مدلها به کار میروند. همچنین، فعالیتهای زیادی در زمینه ایجاد بسترها و کتابخانههای نرمافزاری مخصوص یادگیری عمیق، توسط شرکتها و دانشگاههای معتبر دنیا، انجام شده است؛ در میان این بسترها، با اطمینان میتوان بستر TensorFlow شرکت گوگل را پرکاربردترین و محبوبترین و در عین حال، قدرتمندترین بستر نرمافزاری در این زمینه معرفی کرد. در این زمینه نیز پرکاربردترین کتابخانه سطح بالا که به طور رسمی توسط بستر TensorFlow گوگل پشتیبانی میشود، کتابخانه Keras است. در این فرادرس به آموزش عملی کدنویسی Python در کتابخانه Keras بر پایه بستر TensorFlow خواهیم پرداخت.

- فصل یکم: مقدمه و راهاندازی
- درس ۱: راهنمای انتخاب کارت گرافیک و مشخصات سیستم
- درس ۲: راهاندازی بستر برنامهنویسی پایتون (Anaconda)، بستر نرمافزاری TensorFlow و کتابخانه Keras
- فصل دوم: کار با دادهها در Keras
- درس ۳: معرفی منابع رسمی و مزایای Keras
- درس ۴: بارگذاری دیتاستهای معروف در Keras
- درس ۵: لود کردن انواع مختلف دادهها
- درس ۶: تغییر اندازه و مشخصات دادهها
- فصل سوم: ایجاد و آموزش مدل در Keras
- درس ۷: ایجاد یک مدل در Keras
- درس ۸: انواع لایهها و مدلها در Keras
- درس ۹: تنظیم پارامترهای مختلف آموزش
- درس ۱۰: استفاده از مدل آموزشدیده روی دادههای تست
- درس ۱۱: ساختن مدل با استفاده از لایههای ایجادشده
- درس ۱۲: بررسی چند نمونه کد دیگر
- فصل چهارم: تکنیکهای مفید برنامهنویسی در Keras
- درس ۱۳: ذخیره و نمایش ساختار مدل
- درس ۱۴: ذخیره و بازیابی مدل آموزشدیده و محاسبه زمان آموزش
- درس ۱۵: استفاده از Callbackها در Keras
منبع:

فرادرس