中
欢迎参加本课程：TensorFlow 2 入门！在本课程中，您将学习使用 Tensorflow 开发深度学习模型的完整端到端工作流程，包括使用序列 API 构建、训练、评估和预测模型，验证您的模型，包括正则化、实现回调，以及保存和加载模型。
开始使用 TensorFlow 2
您将获得的技能
要了解的详细信息
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 是深度学习领域最流行的库之一，目前在各级研究人员和专业人士中广泛使用。本周，您将开始在 Coursera 平台上使用 TensorFlow，并熟悉课程结构。您还将了解在 TensorFlow 中开发深度学习模型时的一些有用资源，包括 Google Colab。本周的主要任务是做好一切准备，以便在下一周的课程中深入学习 TensorFlow。
涵盖的内容
14个视频8篇阅读材料1个讨论话题1个非评分实验室1个插件
在 TensorFlow 中构建和应用深度学习模型有多种方法，从高级、快速、易用的 API 到低级操作，不一而足。本周，您将学习使用高级 Keras API 快速构建、训练、评估和预测深度学习模型。本周的编程作业将让您有机会将这一切付诸实践，并在 MNIST 手写图像数据集上从头开始开发一个图像分类模型。
涵盖的内容
13个视频2个作业1个编程作业8个非评分实验室
模型验证和选择是机器学习模型开发的重要组成部分，有助于防止过度拟合和提高泛化能力。本周，您将学习如何在训练运行中使用验证数据集，并将正则化技术应用到模型中。您还将学习如何使用回调来监控性能，并根据指定标准执行操作。在本周的编程作业中，您将在著名的 Iris 数据集上实践模型验证和正则化。
涵盖的内容
11个视频1个作业1个编程作业8个非评分实验室
作为深度学习模型开发的一部分，您需要能够保存和加载 TensorFlow 模型，可能是根据您想要指定的某些标准。本周，您将学习如何使用回调保存模型、手动保存和加载，以及保存模型时的可用选项，包括只保存权重。此外，您还将练习加载和使用预训练的深度学习模型。在本周的编程作业中，您将为一个根据卫星图像训练的模型编写灵活的模型保存和加载实现。
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，您将学习到在 Tensorflow 中开发深度学习模型的端到端工作流程。毕业设计项目让您有机会将所有知识融会贯通，在标有街景门牌号码的图像数据集上开发深度学习分类器。
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
4.9 (181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Imperial College London
状态：免费试用DeepLearning.AI
状态：免费试用
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
4.9
577 条评论
- 5 stars
90.98%
- 4 stars
7.45%
- 3 stars
0.51%
- 2 stars
0.17%
- 1 star
0.86%
显示 3/577 个
RS
5
已于 Oct 21, 2020审阅
Excellent course! The project assignment provides a very good way to self-assess and see whether you really have understood the course material. It's a strong recommendation from me!
FS
5
已于 Nov 12, 2020审阅
Awesome course, the best basic Keras course at Coursera, it should be more promoted, after so much time using TensorFlow, I've just found it now.
BB
4
已于 Jul 14, 2021审阅
Really good practical course on image analysis with TF. Make sure you know the basics ahead as the main concepts are not explained, just put into practice.
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。