Notebooks de TensorFlow Colab
-
Diseña MNIST con Keras y TPU
En este notebook, se muestra un ejemplo de clasificación de imágenes de extremo a extremo con carga de datos, entrenamiento de TPU, implementación y exportación de modelos.
-
MNIST con Keras y TPU
Esta es una muestra canónica de TPU de extremo a extremo en Keras, que muestra la carga de datos con tf.data.Dataset, el modelo de Keras, el entrenamiento de TPU, la inferencia de TPU y la exportación del modelo entrenado al formato “modelo guardado” estándar de Tensorflow, la implementación del modelo en ML Engine y las predicciones del modelo implementado en la nube.
-
Clasifica flores con TPUEstimator
En este notebook, se muestra cómo entrenar, evaluar y generar predicciones mediante TPUEstimantor con Cloud TPU. Usa el conjunto de datos de iris para predecir la especie de la flor y también muestra cómo usar tus propios datos, en lugar de datos precargados.
-
Shakespeare con Keras y TPU
En este notebook, se usa Keras para compilar un modelo de lenguaje y entrenarlo en Cloud TPU. Este modelo de lenguaje predice el carácter siguiente según el texto anterior. Con el modelo entrenado, se pueden generar fragmentos de texto nuevos con un estilo similar a los datos de entrenamiento de texto.
-
Perfila las TPU en el colab
En este notebook, se entrena el entrenamiento de un modelo para clasificar imágenes de flores en Cloud TPU. Un objetivo clave es demostrar cómo configurar y ejecutar TensorBoard como parte de un colab.
-
Entrenamiento personalizado con TPU
Aquí se muestra cómo crear un modelo con Keras y personalizar el ciclo de entrenamiento. De esta manera, obtienes la ventaja de escribir un modelo en la sencilla API de Keras, pero conservas la flexibilidad, debido a que puedes entrenar el modelo con un bucle personalizado.
Notebooks de PyTorch Colab
-
Demostración de PyTorch/TPU MNIST
Este ejemplo de Colab corresponde a la implementación en test_train_mnist.py y es compatible con TF/XRT 1.15.
-
Demostración de ResNet18/CIFAR10 PyTorch/TPU
Este ejemplo de Colab corresponde a la implementación en test_train_cifar.py y es compatible con TF/XRT 1.15.
-
Demostración de inferencia de PyTorch/TPU ResNet50
Este ejemplo de Colab es compatible con TF/XRT 1.15.