Grattis!

Introduktion till TensorFlow i Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Vad du har lärt dig

Kapitel 1
- Lågnivå-, grundläggande och avancerade operationer
- Grafbaserad beräkning
- Gradientberäkning och optimering
Kapitel 2
- Inläsning och transformering av data
- Fördefinierade och anpassade förlustfunktioner
- Linjära modeller och batchträning

Kapitel 3
- Täta neuronnätslager
- Aktiveringsfunktioner
- Optimeringsalgoritmer
- Träning av neurala nätverk
Kapitel 4
- Neurala nätverk i Keras
- Träning och validering
- Estimators API

Den här bilden visar en skärmbild av modeller från en TensorFlow Hub-sökning.

TensorFlow Probability
- Fler statistiska fördelningar
- Träningsbara fördelningar
- Utökad uppsättning optimerare

Den här bilden visar ett histogram med en anpassad sannolikhetsfördelning.

¹ Skärmbild från https://tfhub.dev.

TensorFlow 2.0
- eager_execution()
- Tätare keras-integration
- Estimators
- function()

Den här bilden visar ett schema över Estimators API och dess relation till lägre nivåers API:er.

Den här bilden visar ett diagram över ett neuralt nätverk.

Bilden visar en statisk graf i TensorFlow.

¹ Skärmbild hämtad från https://www.tensorflow.org/guide/premade_estimators

Introduktion till TensorFlow i Python