Classification with Transfer Learning in Keras

4.5
étoiles
149 évaluations
Offert par
Coursera Project Network
5 337 déjà inscrits
Dans ce Projet guidé, vous :

How to implement transfer learning with Keras and TensorFlow

How to use transfer learning to solve image classification

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

In this 1.5 hour long project-based course, you will learn to create and train a Convolutional Neural Network (CNN) with an existing CNN model architecture, and its pre-trained weights. We will use the MobileNet model architecture along with its weights trained on the popular ImageNet dataset. By using a model with pre-trained weights, and then training just the last layers on a new dataset, we can drastically reduce the training time required to fit the model to the new data . The pre-trained model has already learned to recognize thousands on simple and complex image features, and we are using its output as the input to the last layers that we are training. In order to be successful in this project, you should be familiar with Python, Neural Networks, and CNNs. 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

Deep LearningInductive TransferConvolutional Neural NetworkMachine LearningTensorflow

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. Import Libraries and Helper functions

  2. Download the Pet dataset and extract relevant annotations

  3. Add functionality to create a random batch of examples and labels

  4. Create a new model with MobileNet v2 and a new fully connected top layer

  5. Create a data generator function and calculate training and validation steps

  6. Get predictions on a test batch and display the test batch along with prediction

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

Enseignant

Avis

Meilleurs avis pour CLASSIFICATION WITH TRANSFER LEARNING IN KERAS

Voir tous les avis

Foire Aux Questions

Foire Aux Questions

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