课程主页: https://www.coursera.org/learn/getting-started-with-tensor-flow2
课程概述
欢迎来到这门关于TensorFlow 2的课程！在本课程中，您将学习如何使用TensorFlow开发深度学习模型的完整端到端工作流程，包括构建、训练、评估和利用Sequential API进行预测，验证模型并包含正则化，实施回调，保存和加载模型。
您将通过实际的代码教程，将所学的概念立即应用于实践，真正做到边学边用。
课程大纲
TensorFlow简介
TensorFlow是当前最流行的深度学习库之一，广泛应用于各个层次的研究人员和专业人士。在第一周，您将开始在Coursera平台上使用TensorFlow，熟悉课程结构，还将学习一些在TensorFlow中开发深度学习模型的有用资源，包括Google Colab。这一周主要是为接下来的课程深度探索TensorFlow做准备。
顺序模型API
本周您将学习如何使用高层的Keras API快速构建、训练、评估和进行深度学习模型的预测。编程任务将为您提供一个机会，从零开始在MNIST手写数字数据集上开发一个图像分类模型。
模型验证、正则化与回调
模型验证和选择是开发任何机器学习模型的重要部分，能够帮助防止过拟合并提高模型的泛化能力。本周，您将学习如何在训练运行中使用验证数据集，应用正则化技术以及通过回调监控性能并根据指定标准执行动作。在编程任务中，您将对著名的Iris数据集进行模型验证和正则化实践。
保存与加载模型
在深度学习模型的开发中，您需要能够保存和加载TensorFlow模型，例如根据指定的标准进行保存。本周，您将学习如何使用回调保存模型，手动保存和加载模型，以及保存模型时可用的选项，包括仅保存权重。此外，您将练习加载和使用预训练的深度学习模型，并编写灵活的模型保存与加载实现，针对用卫星图像训练的模型。
实战项目
在本课程中，您已经学习了开发深度学习模型的完整工作流程。实战项目为您提供了一个机会，将所有知识结合起来，开发一个针对街景房屋号码的标记图像数据集的深度学习分类器。
课程主页: https://www.coursera.org/learn/getting-started-with-tensor-flow2