Nhập môn TensorFlow bằng Python

Trong chương này, bạn sẽ học cách xây dựng, giải và dự đoán với các mô hình trong TensorFlow 2. Bạn sẽ tập trung vào một lớp mô hình đơn giản — mô hình hồi quy tuyến tính — và thử dự đoán giá nhà. Kết thúc chương, bạn sẽ biết cách nạp và xử lý dữ liệu, xây dựng hàm mất mát, thực hiện tối ưu hóa, tạo dự đoán, và giảm sử dụng tài nguyên với huấn luyện theo lô (batch).

Các chương trước đã hướng dẫn bạn cách xây dựng mô hình trong TensorFlow 2. Ở chương này, bạn sẽ áp dụng những công cụ đó để xây dựng, huấn luyện và dự đoán với mạng nơ-ron. Bạn sẽ học cách định nghĩa các lớp dày (dense), áp dụng hàm kích hoạt, chọn bộ tối ưu (optimizer), và dùng regularization để giảm overfitting. Bạn sẽ tận dụng tính linh hoạt của TensorFlow bằng cả phép toán đại số tuyến tính cấp thấp và các thao tác cấp cao của Keras API để định nghĩa và huấn luyện mô hình.

Ở chương cuối, bạn sẽ dùng các API cấp cao trong TensorFlow 2 để huấn luyện bộ phân loại chữ cái ngôn ngữ ký hiệu. Bạn sẽ sử dụng cả Keras API dạng tuần tự (sequential) và hàm (functional) để huấn luyện, xác thực, tạo dự đoán và đánh giá mô hình. Bạn cũng sẽ học cách dùng Estimators API để tinh gọn quá trình định nghĩa và huấn luyện mô hình, và hạn chế lỗi.