Classification with Transfer Learning in Keras
154 calificaciones

5542 ya inscrito
How to implement transfer learning with Keras and TensorFlow
How to use transfer learning to solve image classification
154 calificaciones
5542 ya inscrito
How to implement transfer learning with Keras and TensorFlow
How to use transfer learning to solve image classification
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.
Deep Learning
Inductive Transfer
Convolutional Neural Network
Machine Learning
Tensorflow
En un video que se reproduce en una pantalla dividida con tu área de trabajo, tu instructor te guiará en cada paso:
Import Libraries and Helper functions
Download the Pet dataset and extract relevant annotations
Add functionality to create a random batch of examples and labels
Create a new model with MobileNet v2 and a new fully connected top layer
Create a data generator function and calculate training and validation steps
Get predictions on a test batch and display the test batch along with prediction
Tu espacio de trabajo es un escritorio virtual directamente en tu navegador, no requiere descarga.
En un video de pantalla dividida, tu instructor te guía paso a paso
por RR
13 de jul. de 2020More detailed explanation could be given about functions used, parameters
por SK
28 de may. de 2020Everything was as per description! Need more advanced tasks. Thanks, Amit Sir!
por AS
20 de jun. de 2020How else would I have learned this? What a great fast way to apply a concept in real code.
por TH
10 de sep. de 2020good presentation, but It will be better more details explanations of about for training model parameters and predict accuracy.
Al comprar un proyecto guiado, obtendrás todo lo que necesitas para completarlo, incluido el acceso a un espacio de trabajo de escritorio en la nube a través de tu navegador web que contiene los archivos y el software que necesitas para comenzar, además de instrucciones de video paso a paso de un experto en la materia.
Dado que tu espacio de trabajo contiene un escritorio en la nube del tamaño de una computadora portátil o computadora de escritorio, los proyectos guiados no están disponibles en tu dispositivo móvil.
Los instructores de proyectos guiados son expertos en la materia que tienen experiencia en habilidades, herramientas o dominios de su proyecto y les apasiona compartir sus conocimientos para impactar a millones de estudiantes en todo el mundo.
Puedes descargar y conservar cualquiera de tus archivos creados del proyecto guiado. Para hacerlo, puedes usar la función 'Explorador de archivos' mientras accedes a tu escritorio en la nube.
Los proyectos guiados no son elegibles para reembolsos. Ver nuestra política de reembolso completo.
La ayuda financiera no está disponible para proyectos guiados.
El acceso como oyente no está disponible para los proyectos guiados.
En la parte superior de la página, puedes presionar en el nivel de experiencia de este proyecto guiado para ver los requisitos de conocimientos previos. En cada nivel del proyecto guiado, tu instructor te orientará paso a paso.
Sí, todo lo que necesitas para completar tu proyecto guiado estará disponible en un escritorio en la nube que estará disponible en tu navegador.
Aprenderás completando tareas en un entorno de pantalla dividida directamente en tu navegador. En el lado izquierdo de la pantalla, completarás la tarea en tu espacio de trabajo. En el lado derecho de la pantalla, verás a un instructor guiarte a través del proyecto, paso a paso.
¿Tienes más preguntas? Visita el Centro de Ayuda al Estudiante.