Fine-tuning Convolutional Networks to Classify Dog Breeds

Offert par
Coursera Project Network
Dans ce Projet Guidé, vous :

Create TensorFlow pipelines

Interpret model performance and ask poignant questions about the data

Fine-tune large-scale model on our niche dataset

Clock2 hours
IntermediateIntermédiaire
CloudAucun téléchargement requis
VideoVidéo en écran partagé
Comment DotsAnglais
LaptopOrdinateur de bureau uniquement

In this 2 hour-long project, you will learn how to approach an image classification task using TensorFlow. You will learn how to effectively preprocess your data to improve model generalizability, as well as build a performant modeling pipeline. Furthermore, you will learn how to accurately evaluate model performance using a confusion matrix; how to interpret results; and how to ask poignant questions about your dataset. Finally, you will fine-tune an existing, state-of-the-art-ready model to improve performance further. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Les compétences que vous développerez

  • Convolutional Neural Network
  • Machine Learning
  • Image Preprocessing
  • Tensorflow
  • Fine-tuning

Apprendrez étape par étape

Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :

  1. Introduction to the project and exploratory data analysis

  2. Convolutional Neural Network quickstart guide

  3. Dataset (image) preprocessing

  4. Building a performant model pipeline

  5. Designing and evaluating a basic Convolutional Neural Network

  6. Fine-tuning a large-scale model for our usecase

Comment fonctionnent les Projets Guidés

Votre espace de travail est un bureau cloud situé dans votre navigateur, aucun téléchargement n'est requis.

Votre enseignant(e) vous guide étape par étape dans une vidéo en écran partagé

Foire Aux Questions

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.