趋近智

APX AI

在线

我可以读取您正在浏览的页面。随时向我提问！

所有课程

TensorFlow 入门

章节 1: TensorFlow 基本知识与环境设置

TensorFlow 2.x 简介

配置开发环境

CPU 与 GPU 的考量

验证您的安装

TensorFlow 生态系统概览

第 1 章测验

章节 2: TensorFlow核心要点

TensorFlow 中的变量

使用 GradientTape 进行自动微分

tf.function 介绍

练习：张量操作与梯度

第 2 章测验

章节 3: 使用 Keras 构建模型

Keras：TensorFlow 的高级 API

Sequential 模型 API

Keras 常用层

复杂模型的函数式API

自定义层和模型 (简介)

动手实践：构建分类器

第 3 章测验

章节 4: 模型的训练与评估

编译模型：损失函数

编译模型：优化器

编译模型：指标

使用 model.fit() 进行训练

使用 model.evaluate() 评估模型表现

使用 model.predict() 进行预测

训练时使用回调

使用 TensorBoard 可视化训练

实践：训练与监控

第 4 章测验

章节 5: tf.data 数据输入管道

为什么选择 tf.data？

从张量、NumPy 和生成器创建数据集

使用 TFRecord 文件

应用转换：map()

批处理与混洗

为提高性能而预取

将 tf.data 与 model.fit() 结合使用

使用 tf.data 进行图像数据增强

动手实践：构建图像数据管道

第 5 章测验

章节 6: 保存和加载模型

为什么要保存和加载模型？

训练期间保存检查点

仅保存权重

保存整个模型（架构 + 权重 + 优化器状态）

TensorFlow SavedModel 形式

加载预训练模型

TensorFlow Hub 简介

练习：模型训练的保存与恢复

第 6 章测验

TensorFlow 基本知识与环境设置的测验

测验

章节： TensorFlow 基本知识与环境设置

测试您对本章概念的理解并进行练习

测验说明

此测验包含 8 道问题来帮助您练习。
您需要至少获得 70% 的分数才能通过。
尝试次数：无限制。
将保留您的最高分数。
请在没有帮助的情况下尝试此测验；但是，如果需要，您可以随时参考章节笔记或使用代码解释器。
完成所有章节测验即可获得课程完成证书。了解更多

问题格式

问题设计得引人入胜，侧重于理解、应用和解释，而不是死记硬背。期待基于场景的问题，测试您应用所学知识的能力。

尝试记录

最佳分数和测验尝试将显示在这里。

© 2025 趋近智