Sie haben gelernt, wie man TensorFlow benutzt. Sie haben die wichtigsten Funktionen kennengelernt, wissen, wie Sie sequentielle und funktionale Modelle entwerfen und implementieren, und haben mehrere Testprojekte durchgeführt. Was kommt als Nächstes? Es ist an der Zeit, tief in die Aktivierungsfunktionen einzutauchen, die wesentliche Funktion jedes Knotens und jeder Schicht eines neuronalen Netzwerks, die entscheidet, ob gefeuert wird oder nicht, und die (in den meisten Fällen) ein Element der Nichtlinearität hinzufügt.

Vertiefung in Tensorflow-Aktivierungsfunktionen
Sichern Sie sich eines unserer besten Angebote mit Coursera Plus für 199 $ (normalerweise 399 $). Jetzt sparen.

Empfohlene Erfahrung
Was Sie lernen werden
Erfahren Sie, wann, wo, warum und wie Sie verschiedene Aktivierungsfunktionen einsetzen und in welchen Situationen sie geeignet sind
Code-Beispiele für jede Aktivierungsfunktion, von Grund auf in Python
Kompetenzen, die Sie festigen
- Kategorie: Tiefes Lernen
- Kategorie: Künstliche neuronale Netze
- Kategorie: Methoden des maschinellen Lernens
Tools, die Sie verwenden werden
- Kategorie: Python-Programmierung
- Kategorie: Tensorflow
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
Nur als Desktop-Version verfügbar
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Lernen, Üben und Anwenden von berufsrelevanten Fähigkeiten in weniger als 2 Stunden
- Nehmen Sie an Schulungen von Branchenexperten teil
- Sammeln Sie mit Aufgaben aus der realen Welt praktische Erfahrung
- Schaffen Sie Vertrauen durch neueste Tools und Technologien

Über dieses begleitete Projekt
Schritt für Schritt lernen
In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:
Überprüfen Sie die Aktivierungsfunktionen, ihre Eigenschaften und das Prinzip der Nichtlinearität
Implementierung linearer und binärer Schrittaktivierungen
Implementierung von Ridge-basierten Aktivierungsfunktionen (ReLu-Familie)
Implementierung von Varianten von ReLU und der Swish-Familie nichtmonotoner Aktivierungsfunktionen
Implementierung von radialbasierten Aktivierungsfunktionen (RBF-Familie)
Empfohlene Erfahrung
Python-Erfahrung; TensorFlow für Anfänger
9 Projektbilder
Dozent

von
Was Sie beim Lernen erwartet
Auf Kompetenzen basierendes, praktisches Lernen
Üben Sie die Anwendung neuer Kompetenzen anhand von berufsbezogenen Aufgabenstellungen.
Anleitung durch Experten
Lernen Sie mit vorab von Experten aufgezeichneten Videos in einer einzigartigen aufgeteilten Oberfläche.
Keine Downloads oder Installation erforderlich
Greifen Sie in einem vordefinierten Cloud-Arbeitsbereich auf die Tools und Ressourcen zu.
Nur für Desktop verfügbar
Dieses begleitete Projekt ist für die Bearbeitung an einem Laptop oder Desktop-Computer mit stabiler Internetverbindung konzipiert und nicht für Mobilgeräte.
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.





