机器学习训练营 包含为组织的机器学习训练营准备的笔记本。 随播广告牌链接: : 。 致谢: PyImageSearch的整个团队 ML-GDE团队向我授予了GCP积分以帮助本次训练营 动机 典型的机器学习步骤: 问题理解 数据收集与理解 数据预处理 模型建立与培训 超参数调整,重新评估模型并重复 模型部署 服务预测和模型监控 (可选)您可能想要针对其目标部署环境优化模型,然后进行部署。 在本训练营中,我们将了解上述每个步骤。 我们将使用TensorFlow(2.0)作为进行机器学习的主要库-我们将进行深度学习,这只是机器学习的另一种形式。 具体来说,我们将使用TensorFlow的高级Keras API进行模型构建和培训。 我们将使用数据集。 因此,对于给定的花朵,ML模型需要预测花朵最可能的类别。 在机器学习和计算机视觉文献中,该问题通常被称为图像分类问题,并且它在机器学习和