Classification with Transfer Learning in Keras

4.5
звезд
Оценки: 149
от партнера
Coursera Project Network
5 365 уже зарегистрированы
В этом Проект с консультациями вы:

How to implement transfer learning with Keras and TensorFlow

How to use transfer learning to solve image classification

Clock2 hours
IntermediateУчащийся среднего уровня
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsАнглийский
LaptopТолько для ПК

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.

Навыки, которые вы получите

  • Deep Learning
  • Inductive Transfer
  • Convolutional Neural Network
  • Machine Learning
  • Tensorflow

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  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

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Преподаватели

Рецензии

Лучшие отзывы о курсе CLASSIFICATION WITH TRANSFER LEARNING IN KERAS

Посмотреть все отзывы

Часто задаваемые вопросы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.