در این مطلب، ویدئو استفاده از TensorBoard با Keras (نکته TensorFlow هفته) با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:01:57
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,000 –> 00:00:04,850
[موسیقی]
2
00:00:04,850 –> 00:00:07,500
در این ویدیو خواهید دید که چگونه میتوانید
3
00:00:07,500 –> 00:00:09,510
چادرها را با کد tensorflow مبتنی بر ما
4
00:00:09,510 –> 00:00:12,330
در این مثال
5
00:00:12,330 –> 00:00:14,429
6
00:00:14,429 –> 00:00:16,500
7
00:00:16,500 –> 00:00:18,390
نصب کنید. شبکه ای برای
8
00:00:18,390 –> 00:00:20,609
طبقه بندی اقلام لباسی که قرار است
9
00:00:20,609 –> 00:00:22,650
برای پنج دوره آموزش ببیند و شما می
10
00:00:22,650 –> 00:00:24,330
توانید پیشرفت شامل ضرر و
11
00:00:24,330 –> 00:00:27,090
دقت را در پنجره خروجی مشاهده کنید، می بینیم
12
00:00:27,090 –> 00:00:28,680
که با دقت حدود 86 درصد تمرین را به پایان می رساند
13
00:00:28,680 –> 00:00:31,140
و
14
00:00:31,140 –> 00:00:33,809
چند پیش بینی نمونه را خروجی می کنیم. چگونه
15
00:00:33,809 –> 00:00:35,579
این را با تخته تانسور تجسم کنیم،
16
00:00:35,579 –> 00:00:37,469
بیایید با وارد کردن
17
00:00:37,469 –> 00:00:40,079
کتابخانه زمان و خود تابلوی تانسور شروع کنیم، میتوان
18
00:00:40,079 –> 00:00:42,059
آن را در بازیابی کالبکهای کلید تنسورفلو دات پایتون پیدا کرد،
19
00:00:42,059 –> 00:00:44,670
بعد از
20
00:00:44,670 –> 00:00:46,800
تعریف مدل، میخواهیم یادداشت برد تانسور را نمونهسازی
21
00:00:46,800 –> 00:00:48,930
کنیم که یک دایرکتوری گزارش را مشخص میکنیم.
22
00:00:48,930 –> 00:00:50,399
چیزها در نهایت نوشته می شوند
23
00:00:50,399 –> 00:00:52,800
زیرا مدل در حال آموزش در
24
00:00:52,800 –> 00:00:54,539
مدلی است که تابع متناسب با آن را باید به
25
00:00:54,539 –> 00:00:57,780
ما بگوییم که به صفحه تانسور برگردیم، ما
26
00:00:57,780 –> 00:00:59,460
به سادگی این کار را با مشخص کردن
27
00:00:59,460 –> 00:01:01,469
پارامتر callbacks انجام می دهیم. eter و به آن بگویید از
28
00:01:01,