Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow, 3rd Edition

KAPITEL 12

Eigene Modelle und Training mit TensorFlow

Bisher haben wir nur die High-Level-API Keras von TensorFlow genutzt, aber damit sind wir schon ziemlich weit gekommen: Wir haben neuronale Netze unterschiedlicher Architektur gebaut – unter anderem Regressions- und Klassifikationsnetze, Wide-&-Deep-Netze und selbstnormalisierende Netze –, und alle möglichen Techniken angewendet, wie zum Beispiel Batchnormalisierung, Drop-out und Lernraten-Schedules. Tatsächlich werden Sie für 95% der Anwendungsfälle, mit denen Sie zu tun haben, nichts anderes als tf.keras benötigen (und tf.data, siehe Kapitel 13). Aber jetzt ist es an der Zeit, tiefer in TensorFlow einzusteigen und sich dessen Low-Level-Python-API (https://homl.info/tf2api) anzuschauen. Das ...