Avoid Overfitting Using Regularization in TensorFlow

4.8
étoiles
71 évaluations
Offert par
Coursera Project Network
4 271 déjà inscrits
Dans ce Projet guidé, vous :

Develop an understanding on how to avoid over-fitting with weight regularization and dropout regularization

Be able to apply both weight regularization and dropout regularization in Keras with TensorFlow backend

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

In this 2-hour long project-based course, you will learn the basics of using weight regularization and dropout regularization to reduce over-fitting in an image classification problem. By the end of this project, you will have created, trained, and evaluated a Neural Network model that, after the training and regularization, will predict image classes of input examples with similar accuracy for both training and validation sets. 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

Data ScienceDeep LearningMachine LearningTensorflowkeras

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 the data

  2. Process the data

  3. Regularization and Dropout

  4. Creating the Experiment

  5. Assess the final results

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 AVOID OVERFITTING USING REGULARIZATION IN TENSORFLOW

Voir tous les avis

Foire Aux Questions

Foire Aux Questions

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