Avoid Overfitting Using Regularization in TensorFlow

4.8
Sterne
68 Bewertungen
von
Coursera Project Network
4,023 bereits angemeldet
In diesem angeleitetes Projekt werden Sie:

Develop an understanding on how to avoid over-fitting with weight regularization and dropout regularization

Be able to apply both weight regularization and dropout regularization in Keras with TensorFlow backend

Clock2 hours
IntermediateMittel
CloudKein Download erforderlich
VideoVideo auf geteiltem Bildschirm
Comment DotsEnglisch
LaptopNur Desktop

In this 2-hour long project-based course, you will learn the basics of using weight regularization and dropout regularization to reduce over-fitting in an image classification problem. By the end of this project, you will have created, trained, and evaluated a Neural Network model that, after the training and regularization, will predict image classes of input examples with similar accuracy for both training and validation sets. 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.

Kompetenzen, die Sie erwerben werden

Data ScienceDeep LearningMachine LearningTensorflowkeras

Schritt für Schritt lernen

In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:

  1. Import the data

  2. Process the data

  3. Regularization and Dropout

  4. Creating the Experiment

  5. Assess the final results

Ablauf angeleiteter Projekte

Ihr Arbeitsbereich ist ein Cloud-Desktop direkt in Ihrem Browser, kein Download erforderlich

Ihr Dozent leitet Sie in einem Video mit geteiltem Bildschirm Schritt für Schritt an.

Bewertungen

Top-Bewertungen von AVOID OVERFITTING USING REGULARIZATION IN TENSORFLOW

Alle Bewertungen anzeigen

Häufig gestellte Fragen

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..