آموزش درک و کار کردن بر روی عکس ها بوسیله TensorFlow on GCP

در این دوره آموزشی با تنسرفلو بر روی کلود گوگل آشنا شده و یاد می گیرید که چطور به کمک آن عکس ها را درک و دسته بندی و . . . کنید.

عنوان اصلی : Image Understanding with TensorFlow on GCP

سرفصل ها :

معرفی دوره
تصاویر به عنوان داده های بصری
داده های ساختاریافته در مقابل داده های بدون ساختار
شروع کار با GCP و Qwiklabs
معرفی
مدل های خطی
مقدمه آزمایشگاه: مدل های خطی برای طبقه بندی تصاویر
طبقه بندی تصاویر با مدل خطی
راه حل آزمایشگاهی: مدل های خطی برای طبقه بندی تصاویر
بررسی مدل های DNN
معرفی آزمایشگاه: مدل‌های DNN برای طبقه‌بندی تصویر
طبقه بندی تصویر با مدل شبکه عصبی عمیق
راه حل آزمایشگاهی: مدل های DNN برای طبقه بندی تصویر
نقد و بررسی: ترک تحصیل چیست؟
معرفی آزمایشگاه: DNN با لایه حذفی برای طبقه بندی تصویر
طبقه بندی تصویر با یک مدل DNN با حذف
راه حل آزمایشگاهی: DNN با لایه حذفی برای طبقه بندی تصویر
معرفی
درک پیچیدگی ها
پارامترهای مدل CNN
کار با لایه های Pooling
پیاده سازی CNN با TensorFlow
معرفی آزمایشگاه: ایجاد یک طبقه‌بندی کننده تصویر با یک شبکه عصبی کانولوشنال
طبقه بندی تصویر با یک مدل CNN
راه حل آزمایشگاهی: ایجاد یک طبقه بندی کننده تصویر با یک شبکه عصبی کانولوشنال
مشکل کمبود داده
افزایش داده ها
معرفی آزمایشگاه: پیاده سازی افزایش تصویر
تقویت تصویر در TensorFlow
راه حل آزمایشگاهی: پیاده سازی افزایش تصویر
آموزش انتقالی
معرفی آزمایشگاه: پیاده سازی آموزش انتقال
آموزش انتقال طبقه بندی تصویر با Inception v3
راه حل آزمایشگاهی: پیاده سازی آموزش انتقال
بدون داده، بدون مشکل
معرفی
عادی سازی دسته ای
شبکه های باقیمانده
شتاب دهنده ها (CPU در مقابل GPU، TPU)
برآوردگر TPU
نسخه ی نمایشی: برآوردگر TPU
جستجوی معماری عصبی
خلاصه
معرفی
مدل های ML از پیش ساخته شده
Cloud Vision API
نسخه ی نمایشی: Vision API
AutoML Vision
نسخه ی نمایشی: AutoML
معماری AutoML
مقدمه آزمایشگاه: آموزش با مدل های از پیش ساخته شده ML با استفاده از Cloud Vision API و AutoML
آموزش با مدل های ML از پیش ساخته شده با استفاده از Cloud Vision API و AutoML
راه حل آزمایشگاهی: آموزش با مدل های ML از پیش ساخته شده با استفاده از Cloud Vision API و AutoML
خلاصه