课程主页: https://www.coursera.org/learn/customising-models-tensorflow2
欢迎来到《使用 TensorFlow 2 自定义您的模型》的课程！本课程旨在加深您对 TensorFlow 的理解和技能，使您能够为任何应用程序开发完全自定义的深度学习模型和工作流程。通过本课，您将学习如何使用 TensorFlow 的低级 API 来开发复杂的模型体系结构、完全自定义的层以及灵活的数据工作流程。您将扩大对 TensorFlow API 的知识，包括序列模型的设计与实现。
### 课程大纲
**Keras 函数式 API**
这一周，您将学习如何使用 Keras 的函数式 API 来构建更加灵活的模型体系结构，包括具有多个输入和输出的模型。还将学习张量和变量，以及如何访问和使用模型内部的层。编程作业将通过在狗和猫图像数据集上应用迁移学习技术来实际运用这些技巧。
**数据管道**
高效灵活的数据管道是深度学习模型开发中至关重要的部分。本周您将学习如何使用 Keras 和 tf.data 模块中的工具加载、处理、过滤甚至实时增强数据。在本周的编程作业中，您将应用这两套工具，为 LSUN 和 CIFAR-100 数据集实现数据管道。
**序列建模**
序列建模任务是一类丰富而有趣的问题，从自然语言处理任务（如词性标注和情感分析）到金融时间序列预测，再到语音音频生成。在此周，您将学习如何使用 TensorFlow 的循环神经网络 API，以及处理序列数据的多种有用层类型和工具。在本周的编程作业中，您将基于莎士比亚数据集开发一个生成语言模型。
**模型子类化和自定义训练循环**
对于 TensorFlow 的更高级用例，您可以获得对深度学习模型设计及行为和训练循环的低级控制。在此周，您将学习如何利用模型和层的子类 API 开发完全灵活的模型架构，并使用 TensorFlow 的自动微分工具来实现自定义的训练循环。在编程作业中，您将使用这些自定义模型构建工具开发一个深度残差网络。
**毕业项目**
在本课程中，您将学习一套强大的工具来开发自定义的深度学习模型，包括序列数据和灵活的数据管道。在最后的毕业项目中，您将把许多概念结合起来，开发一个从英语翻译到德语的自定义神经网络模型。
总的来说，这门课程提供了关于 TensorFlow 深度学习模型定制的重要知识，是进阶学习者和想要深入了解深度学习的开发者的绝佳选择。
课程主页: https://www.coursera.org/learn/customising-models-tensorflow2