Dans ce cours, vous allez : - Apprendre à connaître les objets Tensor, les blocs de construction fondamentaux de TensorFlow, comprendre la différence entre les modes eager et graph dans TensorFlow, et apprendre à utiliser un outil TensorFlow pour calculer les gradients - Construire vos propres boucles d'entraînement personnalisées en utilisant GradientTape et TensorFlow Datasets pour obtenir plus de flexibilité et de visibilité avec l'entraînement de votre modèle - Apprendre les avantages de la génération de code qui s'exécute en mode graph, jeter un coup d'œil à ce à quoi ressemble le code graph, et pratiquer la génération de ce code plus efficace automatiquement avec les outils TensorFlow
Formation personnalisée et distribuée avec TensorFlow
Ce cours fait partie de Spécialisation TensorFlow : Techniques avancées
Instructeur : Laurence Moroney
22 172 déjà inscrits
(412 avis)
Expérience recommandée
Compétences que vous acquerrez
- Catégorie : Stratégies de distribution
- Catégorie : GradientTape pour l'optimisation
- Catégorie : Boucles d'entraînement personnalisées
- Catégorie : Fonctionnalité de base des tenseurs
Détails à connaître
Ajouter à votre profil LinkedIn
4 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 4 modules dans ce cours
Cette semaine, vous aurez un aperçu détaillé des éléments fondamentaux de TensorFlow - les objets tensoriels. Par exemple, vous serez en mesure de décrire la différence entre le mode eager et le mode graph dans TensorFlow, et d'expliquer pourquoi le mode eager est très convivial pour vous en tant que développeur. Vous utiliserez également les outils de TensorFlow pour calculer des gradients, de sorte que vous n'aurez pas à chercher vos vieux manuels de calcul la prochaine fois que vous aurez besoin d'obtenir un gradient !
Inclus
12 vidéos3 lectures1 devoir1 devoir de programmation2 laboratoires non notés
Cette semaine, vous allez construire des boucles d'entraînement personnalisées en utilisant GradientTape et TensorFlow Datasets. Le fait de pouvoir écrire vos propres boucles d'entraînement vous donnera plus de flexibilité et de visibilité dans l'entraînement de votre modèle. Vous utiliserez également une fonction pour calculer les dérivées des fonctions afin que vous n'ayez pas à consulter vos vieux manuels de calcul pour calculer les gradients.
Inclus
8 vidéos2 lectures1 devoir1 devoir de programmation2 laboratoires non notés
Cette semaine, vous découvrirez les avantages de la génération de code qui s'exécute en "mode graphe". Vous verrez à quoi ressemble un code en mode graphe et vous vous entraînerez à générer ce code plus efficace automatiquement avec les outils de TensorFlow, de sorte que vous n'aurez pas à écrire le code en mode graphe vous-même !
Inclus
6 vidéos2 lectures1 devoir1 devoir de programmation2 laboratoires non notés
Cette semaine, vous allez exploiter la puissance de la formation distribuée pour traiter plus de données et former des modèles plus importants, plus rapidement. Vous aurez une vue d'ensemble des différentes stratégies d'entraînement distribué, puis vous vous exercerez à travailler avec deux stratégies, l'une qui s'entraîne sur plusieurs cœurs GPU, et l'autre qui s'entraîne sur plusieurs cœurs TPU. Préparez votre cape, car vous allez acquérir des superpouvoirs cette semaine !
Inclus
9 vidéos5 lectures1 devoir2 devoirs de programmation4 laboratoires non notés
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Apprentissage automatique
DeepLearning.AI
DeepLearning.AI
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 412
412 avis
- 5 stars
83,65 %
- 4 stars
12,50 %
- 3 stars
2,40 %
- 2 stars
0,96 %
- 1 star
0,48 %
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.