Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow. Aurélien Géron
Wiederverwenden vortrainierter Schichten
Vortrainieren anhand einer Hilfsaufgabe
Beschleunigter Gradient nach Nesterov
Vermeiden von Overfitting durch Regularisierung
Zusammenfassung und praktische Tipps
12Eigene Modelle und Training mit TensorFlow
Ein kurzer Überblick über TensorFlow
TensorFlow wie NumPy einsetzen
Modelle und Trainingsalgorithmen anpassen
Modelle mit eigenen Komponenten sichern und laden
Eigene Aktivierungsfunktionen, Initialisierer, Regularisierer und Constraints
Verlustfunktionen und Metriken auf Modell-Interna basieren lassen
Gradienten per Autodiff berechnen
Funktionen und Graphen in TensorFlow
13Daten mit TensorFlow laden und vorverarbeiten
Datasets mit tf.keras verwenden
Eine kurze Einführung in Protocol Buffer
Listen von Listen mit dem SequenceExample-Protobuf verarbeiten
Die Eingabemerkmale vorverarbeiten
Kategorische Merkmale mit One-Hot-Vektoren codieren