欢迎参加 "使用 TensorFlow 2 定制模型 "课程！在本课程中，您将加深对 TensorFlow 的了解并提高使用 TensorFlow 的技能，以便为任何应用开发完全定制的深度学习模型和工作流。您将使用 TensorFlow 中的低级 API 开发复杂的模型架构、完全定制的层和灵活的数据工作流。您还将扩展 TensorFlow API 的知识，将序列模型也包括在内。 您将在研究生助教的指导下，在实际动手编码教程中将学到的概念直接付诸实践。此外，还有一系列自动评分的编程作业供您巩固技能。 课程结束时，您将在 "顶点项目 "中将许多概念融会贯通，从零开始开发一个自定义神经翻译模型。 TensorFlow 是一个开源机器库，也是应用最广泛的深度学习框架之一。TensorFlow 2 的发布标志着产品开发的一步改变，其核心重点是使从初学者到高级水平的所有用户都能轻松使用。
使用 TensorFlow 2 定制模型
Unlock access to 10,000+ courses with Coursera Plus. Start 7-Day free trial.
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 用于深度学习的 TensorFlow 2 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有5个模块
TensorFlow 为构建深度学习模型提供了多层次的 API，具有不同程度的控制性和灵活性。本周，您将学习使用功能 API 来开发更灵活的模型架构，包括具有多个输入和输出的模型。您还将学习张量和变量，以及访问和使用模型中的内层。本周的编程作业将通过猫狗图像数据集上的迁移学习应用来实践这些技术。
涵盖的内容
14个视频5篇阅读材料1个作业1个编程作业1个讨论话题6个非评分实验室1个插件
灵活高效的数据管道是深度学习模型开发中最重要的部分之一。本周，您将学习一个强大的工作流程，使用 Keras 和 tf.data 模块中的工具，即时加载、处理、过滤甚至增强数据。在本周的编程作业中，您将应用这两套工具为 LSUN 和 CIFAR-100 数据集实施数据管道。
涵盖的内容
12个视频1篇阅读材料1个作业1个编程作业8个非评分实验室
序列建模任务代表了一类丰富而有趣的问题，从语音部分标记和情感分析等自然语言任务，到金融时间序列预测和语音音频生成，不一而足。本周，您将学习如何使用 TensorFlow 中的递归神经网络 API，以及处理序列数据的几种有用的层类型和工具。在本周的编程作业中，您将在莎士比亚数据集上开发一个生成语言模型。
涵盖的内容
13个视频1个作业1个编程作业7个非评分实验室
对于 TensorFlow 的高级用例，可以对深度学习模型的设计和行为以及训练循环本身进行低级控制。本周，您将学习如何利用模型和层子类 API 开发完全灵活的模型架构，以及如何使用 TensorFlow 中的自动微分工具实现自定义训练循环。在本周的编程作业中，您将使用这些自定义模型构建工具来开发深度残差网络。
涵盖的内容
12个视频1个编程作业8个非评分实验室
在本课程中，您将学习到一套强大的工具，用于开发定制的深度学习模型，包括序列数据和灵活的数据管道。毕业设计项目将这些概念与开发一个从英语到德语的定制神经翻译模型的任务结合在一起。
涵盖的内容
2个视频1次同伴评审1个非评分实验室1个插件
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
4.7 (57个评价)
从 机器学习 浏览更多内容
状态：免费试用Imperial College London
状态：免费试用DeepLearning.AI
状态：免费试用DeepLearning.AI
状态：免费试用Imperial College London
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.8
194 条评论
- 5 stars
87.11%
- 4 stars
8.76%
- 3 stars
1.03%
- 2 stars
0%
- 1 star
3.09%
显示 3/194 个
DL
5
已于 Dec 31, 2023审阅
Take note Tensorflow is still 2.0.0, not updated to later versions for labs
YD
5
已于 Apr 6, 2021审阅
I recumbent this course.A lot of practice: notebooks, assessments, capstone project and just enough theory about TensorFlow
YB
4
已于 May 7, 2023审阅
Capstone project is quite a steep learning curve for me, and honestly, pretty difficult.
常见问题
Jupyter Notebooks 是一种第三方工具，一些 Coursera 课程使用它来完成编程作业。
你可以在作业中期还原你的代码或获得一份新的 Jupyter 笔记本副本。默认情况下，Coursera 会在每个笔记本中持久存储你的作业。
要保留旧作业并获得初始 Jupyter 笔记本的新副本，请单击 "文件"，然后单击 "创建副本"。
我们建议您使用 "Assignment 1 - Initial "或 "Copy "等命名约定，以保持笔记本环境的有序性。您也可以将此文件下载到本地。
刷新笔记本
在单个笔记本视图中重命名现有的 Jupyter 笔记本
在笔记本视图中，将"?forceRefresh=true "添加到笔记本 URL 的末尾
重新载入屏幕
你将被引导到你的主学习者工作区，在那里你会看到新旧笔记本文件。
现在，您的笔记本课程项目将启动到新的笔记本。
查找丢失的作业
如果您的 Jupyter 笔记本文件消失了，这意味着课程工作人员发布了特定笔记本的新版本，以修复问题或进行改进。您的作品仍保存在前一版本笔记本的原名下。
恢复作业
查看笔记本窗口顶部的标题，找到当前笔记本版本
在笔记本视图中，点击 Coursera 徽标
查找并点击上一文件的名称
未保存的作业
"内核 "是Jupyter笔记本用户界面背后的执行引擎。由于内核会在笔记本活动 90 分钟后超时，因此请务必经常保存笔记本，以免丢失任何工作。如果内核在保存前超时，你可能会丢失当前会话中的工作。
如何判断内核超时？
工具栏区域会出现 "方法不允许 "等错误信息。
笔记本窗口标题中显示的上次保存或自动检查点时间最近没有更新
当您按 "Shift + Enter "键时，您的单元格没有运行或计算
重启内核：
本地保存笔记本以存储当前进度
在笔记本工具栏中单击 "内核"，然后单击 "重启"。
尝试在笔记本单元格中运行打印语句来测试内核。如果成功，您可以继续保存并继续工作。
如果笔记本内核仍然超时，请尝试关闭浏览器并重新启动笔记本。重新打开笔记本后，您需要执行 "单元格 -> 运行全部 "或 "单元格 -> 运行全部以上 "操作，以重新生成执行状态。
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后，您就可以访问专项课程中的所有课程，完成作业后还可以获得证书。您的电子证书将添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
更多问题
提供助学金，
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。