Creating Multi Task Models With Keras

4.6
étoiles

58 évaluations

Offert par

2 847 déjà inscrits

Dans ce Projet Guidé gratuit, vous :

Creating multi-task models with Keras

Training multi-task models with Keras

Mettez en valeur cette expérience pratique dans un entretien

2 hours
Intermédiaire
Aucun téléchargement requis
Vidéo en écran partagé
Anglais
Ordinateur de bureau uniquement

In this 1 hour long guided project, you will learn to create and train multi-task, multi-output models with Keras. You will learn to use Keras' functional API to create a multi output model which will be trained to learn two different labels given the same input example. The model will have one input but two outputs. A few of the shallow layers will be shared between the two outputs, you will also use a ResNet style skip connection in the model. If you are familiar with Keras, you have probably come across examples of models that are trained to perform multiple tasks. For example, an object detection model where a CNN is trained to find all class instances in the input images as well as give a regression output to localize the detected class instances in the input. Being able to use Keras' functional API is a first step towards building complex, multi-output models like object detection models. We will be using TensorFlow as our machine learning framework. The project uses the Google Colab environment. You will need prior programming experience in Python. You will also need prior experience with Keras. Consider this to be an intermediate level Keras project. This is a practical, hands on guided project for learners who already have theoretical understanding of Neural Networks, Convolutional Neural Networks, and optimization algorithms like gradient descent but want to understand how to use use Keras to write custom, more complex models than just plain sequential neural networks. 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.

Conditions

Prior programming experience in Python. Conceptual understanding of Neural Networks. Prior experience with TensorFlow and Keras is recommended.

Les compétences que vous développerez

  • Deep Learning

  • Machine Learning

  • Tensorflow

  • Computer Vision

  • keras

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

  2. Create Dataset

  3. Dataset Generator

  4. Create Model

  5. Train the Model

  6. Final Predictions

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

Avis

Meilleurs avis pour CREATING MULTI TASK MODELS WITH KERAS

Voir tous les avis

Foire Aux Questions

Comme votre espace de travail contient un bureau cloud dimensionné pour un ordinateur portable ou de bureau, les Projets Guidés ne sont pas disponibles sur votre appareil mobile.

Les enseignants des Projets Guidés sont des experts en la matière qui ont de l'expérience dans les compétences, les outils ou le domaine de leur projet et qui sont passionnés par le partage de leurs connaissances avec des millions d'étudiants dans le monde.

À partir du Projet Guidé, vous pouvez télécharger et conserver tout fichier que vous avez créé. Pour ce faire, vous pouvez utiliser la fonction « Navigateur de fichiers » pendant que vous accédez à votre bureau cloud.

En haut de la page, vous pouvez appuyer sur le niveau d'expérience de ce Projet Guidé pour afficher les connaissances requises. Pour chaque niveau de Projet Guidé, votre enseignant vous guidera étape par étape.

Oui, tout ce dont vous avez besoin pour terminer votre Projet Guidé sera présent sur un bureau cloud disponible dans votre navigateur.

Vous apprenez en effectuant des tâches dans un environnement à écran partagé, directement dans votre navigateur. Sur le côté gauche de l'écran, vous terminez la tâche dans votre espace de travail. Sur le côté droit de l'écran, vous voyez un(e) enseignant(e) qui vous guide tout au long du projet, étape par étape.