深層学習CNN完璧ガイド - TFKerasバージョン
ディープラーニング・CNNの核心理論から多様なCNNモデルの実装方法、実践問題を通じた実務ディープラーニング開発のノウハウまで、 ディープラーニングCNN技術の専門家として生まれ変わりたいなら、この講義をご一緒ください:)
受講生 2,115名
難易度 初級
受講期間 無制限
Tensorflow version updateに基づく練習コードの修正アップロード通知。
こんにちは、実践環境であるKaggleのTensorflow versionが講義を作った時点と比較して多くアップグレードされました。
これを反映して実習コードを修正しました。変更内容を公式形式で映像にしていますが、予想より時間がかかり、まず修正反映された実習コードからアップロードいたします。変更お知らせ映像もまもなく作ります。
既存の練習コードを使って練習中にエラーが発生した場合は、新しい練習コードを再度ダウンロードしてお試しください。
以下は、変更が適用された内容の概要です。ありがとうございます。
0. 共通
- Adam( ) オプティマイザの初期化引数名が lr から learning_rate に変更。
- Sequence Dataset クラスのgetitem () メソッドで学習とテスト時に応じて Target 値を含むまたは含まないデータセットに戻り結果を分離
- model.fit () の引数として Sequence Dataset で学習と検証データセットを入力するときに steps_per_epoch と validation_steps 引数を除外。
1. Fashion_Mnist_Practice
- ModelCheckpoint の save_weights_only=True 時 checkpoint モデルファイル名は .weights.h5 で終わる形にならなければならない。 False時には.kerasで終わらなければなりません。
- periodはsave_freqに変更されました。 save_freq は「epoch」または整数値が来る可能性があり、整数値の場合は epoch ではなく学習バッチ反復回数であり、適用時のエラーリスク
2. Inception_Practice
- Tensorflow version up で Conv, Maxpooling レイヤー生成因子 name に '/' 文字列を入力しないでください。 「_」に変更しました。
3. Learning_Rate_Scheduler
- model.optimizer.lrは model.optimizer.learning_rate に変換。
- y target 値入力を np.zeros(5) から np.zeros(5).reshape(5, -1) に 2 次元行動に変換
- CosineDecayはもはやexperimentalではなく、正式なスケジューラとして登録されています。したがって、experimental.CosineDecayはoptimizers.schedules.CosineDecayに変更されました。
- Callbackで実装したCosine DecayとCosine Decay Restartのボーナスコードは無効になりました。 tf.keras.backend.set_value が deprecated され、無効になりました。
4. Plant_Pathology
-GPUメモリを解放するためにカーネルを再起動する際にソースコードの実行を便利にするためにソースコードの再配置。




