Dans ce cours, vous allez : - Apprendre à connaître les objets Tensor, les blocs de construction fondamentaux de TensorFlow, comprendre la différence entre les modes eager et graph dans TensorFlow, et apprendre à utiliser un outil TensorFlow pour calculer les gradients - Construire vos propres boucles d'entraînement personnalisées en utilisant GradientTape et TensorFlow Datasets pour obtenir plus de flexibilité et de visibilité avec l'entraînement de votre modèle - Apprendre les avantages de la génération de code qui s'exécute en mode graph, jeter un coup d'œil à ce à quoi ressemble le code graph, et pratiquer la génération de ce code plus efficace automatiquement avec les outils TensorFlow

- Découvrez les avantages de la génération de code qui s'exécute en mode graphique, jetez un coup d'œil à ce à quoi ressemble un code graphique et entraînez-vous à générer ce code plus efficace automatiquement avec les outils de TensorFlow - Exploitez la puissance de l'entraînement distribué pour traiter plus de données et entraîner des modèles plus importants, plus rapidement, obtenez un aperçu des différentes stratégies d'entraînement distribué et entraînez-vous à travailler avec une stratégie qui entraîne sur plusieurs cœurs GPU et une autre qui entraîne sur plusieurs cœurs TPU. La spécialisation DeepLearning.AI TensorFlow : Advanced Techniques présente les fonctionnalités de TensorFlow qui offrent aux apprenants plus de contrôle sur l'architecture de leur modèle et des outils qui les aident à créer et à former des modèles ML avancés. Cette Specialization s'adresse aux ingénieurs en logiciel et en machine learning en début et milieu de carrière ayant une compréhension fondamentale de TensorFlow et qui cherchent à élargir leurs connaissances et leurs compétences en apprenant les fonctionnalités avancées de TensorFlow pour construire des modèles puissants.