ยินดีด้วย!

TensorFlow เบื้องต้นใน Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

สิ่งที่ได้เรียนรู้

บทที่ 1
- การดำเนินการพื้นฐานและขั้นสูง
- การคำนวณแบบกราฟ
- การคำนวณ Gradient และการ Optimize
บทที่ 2
- การโหลดและแปลงข้อมูล
- ฟังก์ชัน Loss แบบสำเร็จรูปและแบบกำหนดเอง
- โมเดลเชิงเส้นและการฝึกแบบ Batch

บทที่ 3
- เลเยอร์ Neural Network แบบ Dense
- ฟังก์ชัน Activation
- อัลกอริทึมการ Optimize
- การฝึก Neural Network
บทที่ 4
- Neural Network ใน Keras
- การฝึกและการตรวจสอบความถูกต้อง
- Estimators API

ภาพหน้าจอแสดงผลการค้นหาโมเดลใน TensorFlow Hub

TensorFlow Probability
- การแจกแจงทางสถิติเพิ่มเติม
- การแจกแจงที่ฝึกได้
- ชุด Optimizer ที่ขยายเพิ่มเติม

ภาพแสดง Histogram พร้อมการแจกแจงความน่าจะเป็นที่ Fit แล้ว

¹ Screenshot from https://tfhub.dev.

TensorFlow 2.0
- eager_execution()
- การผสานรวม keras ที่แน่นแฟ้นขึ้น
- Estimators
- function()

ภาพแสดงโครงสร้าง Estimators API และความสัมพันธ์กับ API ระดับล่าง

ภาพแสดงไดอะแกรมของ Neural Network

ภาพแสดง Static Graph ใน TensorFlow

¹ Screenshot taken from https://www.tensorflow.org/guide/premade_estimators

TensorFlow เบื้องต้นใน Python