{"id":174245,"date":"2023-04-13T22:54:49","date_gmt":"2023-04-13T21:54:49","guid":{"rendered":"https:\/\/datascientest.com\/de\/?p=174245"},"modified":"2023-10-30T09:22:01","modified_gmt":"2023-10-30T08:22:01","slug":"python-deep-learning-die-basics","status":"publish","type":"post","link":"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics","title":{"rendered":"Python Deep Learning: Die Basics"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"174245\" class=\"elementor elementor-174245\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-534aa9ca e-flex e-con-boxed e-con\" data-id=\"534aa9ca\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-6046a443 elementor-widget elementor-widget-heading\" data-id=\"6046a443\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">Python Deep Learning: Es ist sehr wahrscheinlich, dass du in deinem Alltag Anwendungen nutzt, die auf Deep-Learning-Modelle zur\u00fcckgreifen. \u00dcbersetzungen, OCR, Gesichtserkennung... Verschiedene deiner Anwendungen beinhalten Deep Learning.<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-58a9020e elementor-widget elementor-widget-text-editor\" data-id=\"58a9020e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p>Diese Anwendung von <strong>Python Deep Learning<\/strong> wurde durch die Verf\u00fcgbarkeit gro\u00dfer Datenmengen, die Algorithmen ben\u00f6tigen, um effizient zu sein, und durch die zunehmende Rechenleistung von Maschinen, die das Training dieser Algorithmen erm\u00f6glicht, m\u00f6glich.<\/p><p><a href=\"https:\/\/datascientest.com\/de\/deep-learning-vs-machine-learning\">Deep-Learning-Modelle<\/a> k\u00f6nnen in verschiedenen Sprachen erstellt und trainiert werden, aber in diesem Artikel verwenden wir Python und seine speziell f\u00fcr Deep Learning entwickelten Bibliotheken: Tensorflow und Keras.<\/p><p>Keras ist eine<a href=\"https:\/\/datascientest.com\/de\/open-source-definition\"> Open-Source-Bibliothek<\/a>, die entwickelt wurde, um alle wichtigen Werkzeuge f\u00fcr das Experimentieren mit neuronalen Netzen bereitzustellen.<\/p><p>Es ist notwendig, die Bibliothek auf deiner Arbeitsumgebung zu installieren. Die<a href=\"https:\/\/colab.research.google.com\/?hl=de\"> Google Colab-Umgebung<\/a> bietet den Gro\u00dfteil der Voraussetzungen f\u00fcr Deep Learning und Data Science.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f0dadd elementor-widget elementor-widget-heading\" data-id=\"f0dadd\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Trainiere dein erstes neuronales Netz<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2b4ad265 elementor-widget elementor-widget-text-editor\" data-id=\"2b4ad265\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Nachdem du dich mit den Tools vertraut gemacht hast, die du f\u00fcr<a href=\"https:\/\/datascientest.com\/de\/deep-learning-oder-tiefes-lernen-was-ist-das-denn\"> Deep Learning<\/a> verwenden kannst, ist es nun an der Zeit, selbst Hand anzulegen und dein erstes <strong>Deep-Learning-Modell zu bauen, zu trainieren und auszuwerten.<\/strong><\/p><p>Aber dabei wirst du nicht allein sein. Wir haben f\u00fcr dich ein Tutorial entworfen, das die wichtigsten Schritte behandelt, die ein Data Scientist beim Trainieren eines <a href=\"https:\/\/datascientest.com\/de\/neuronale-netze-einfach-erklaert\">neuronalen Netzes<\/a> durchf\u00fchrt.<\/p><p>Wir werden diese Schritte erkl\u00e4ren, damit du den Prozess f\u00fcr deine zuk\u00fcnftigen Modellierungen durchf\u00fchren kannst.<\/p><p>\u00d6ffne zuerst dein<a href=\"https:\/\/jupyter.org\/\"> Jupyter- oder Colab-Notebook<\/a>, um den ersten Schritt in Angriff zu nehmen. Du kannst die Zellen einfach in dein Notebook kopieren, aber wir empfehlen dir dringend, selbst zu kodieren, um die Syntax besser zu verinnerlichen.<\/p><p>Denke daran, dass \u00dcbung den Meister macht.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-732da14e elementor-widget elementor-widget-heading\" data-id=\"732da14e\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Daten laden:<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-20608883 elementor-widget elementor-widget-text-editor\" data-id=\"20608883\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Es ist allgemein bekannt, dass man f\u00fcr ein<a href=\"https:\/\/datascientest.com\/de\/style-transfer-deep-learning\"> Deep-Learning-Projekt (oder f\u00fcr Data Science im Allgemeinen)<\/a> eine gro\u00dfe Menge an Daten ben\u00f6tigt. Der erste Schritt ist daher nat\u00fcrlich die Auswahl und der Import unserer Daten.<\/p><p>Der Datensatz, den wir verwenden werden, ist unter Datenwissenschaftlern sehr bekannt, es handelt sich um den <a href=\"https:\/\/www.tensorflow.org\/datasets\/catalog\/mnist\">MNIST-Datensatz<\/a>, der fast 60.000 28&#215;28 Pixel gro\u00dfe Bilder von handgeschriebenen Zahlen mit numerischen Zahlen als Zielvariable enth\u00e4lt. Das Ziel unseres Modells wird es sein, die geschriebene Zahl auf dem Bild zu erkennen.<\/p><p>Im Skript findest du den Import der <a href=\"https:\/\/datascientest.com\/de\/top-10-der-python-bibliotheken-fur-data-scientists\">Bibliotheken, die wir f\u00fcr unsere Modellierung ben\u00f6tigen.<\/a> Du wirst auch feststellen, dass das Dataset im Keras-Modul enthalten ist und dass wir zwei verschiedene Datens\u00e4tze haben, den Trainingsteil (train) und den Testteil (test).<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3b6b06cf elementor-widget elementor-widget-shortcode\" data-id=\"3b6b06cf\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/ef5cc45b4a9fa25eb63db3ea38b75201.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4058d021 elementor-widget elementor-widget-text-editor\" data-id=\"4058d021\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Als Ergebnis der Ausf\u00fchrung dieser ersten Zelle erh\u00e4ltst du die Gr\u00f6\u00dfe des Datasets sowie die Abmessungen der Bilder.<\/p><p>Hier werfen wir einen Blick auf eine zuf\u00e4llige Auswahl von Bildern mit ihren entsprechenden Labels.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5e4f8465 elementor-widget elementor-widget-shortcode\" data-id=\"5e4f8465\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/f8e8807bf77dfe2d8926c74c987f4f81.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7f37de7f elementor-widget elementor-widget-text-editor\" data-id=\"7f37de7f\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Hier ist ein Beispiel f\u00fcr die Ausf\u00fchrung der obigen Zelle.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-81a0937 elementor-widget elementor-widget-heading\" data-id=\"81a0937\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Vorverarbeitung von Daten<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-227aee92 elementor-widget elementor-widget-text-editor\" data-id=\"227aee92\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Nachdem du deine Daten hochgeladen hast, musst du sicherstellen, dass sie f\u00fcr die Trainingsphase bereit sind. Um dies zu erreichen, wendest du einige Transformationen auf deine Daten an.<\/p><p>Dazu geh\u00f6ren das \u00c4ndern der Gr\u00f6\u00dfe, das <strong>Normalisieren und das Kodieren der Daten.<\/strong><\/p><p>Aber keine Panik, auch hier werden wir dich durch den Prozess begleiten und jede Vorverarbeitung wird erkl\u00e4rt.<\/p><p>Gr\u00f6\u00dfen\u00e4nderung: Eine Besonderheit der Algorithmen des <a href=\"https:\/\/datascientest.com\/de\/3-machine-learning-algorithmen-fuer-deinen-job\">maschinellen Lernens und des Deep Learning<\/a> ist, dass sie keine Matrizen als Eingabe nehmen. Dies f\u00fchrt dazu, dass du deine 28&#215;28-Matrizen in Vektoren der Gr\u00f6\u00dfe 784 umwandeln musst.<\/p><p>Normalisierung: Dieser Schritt ist f\u00fcr das Training deines Modells nicht zwingend erforderlich, kann aber seine Leistung steigern. Die Normalisierung wird angewendet, indem jedes Pixel durch 255 geteilt wird. Lies diesen Artikel, um mehr \u00fcber Normalisierung zu erfahren. <\/p><p>Kodierung: Die Umwandlung von Labels in kategoriale Vektoren verbessert die Vorhersagegenauigkeit.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-44126954 elementor-widget elementor-widget-shortcode\" data-id=\"44126954\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/18fe6ba3b7bc9f4c54b53dcce2b54497.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2f50e51b elementor-widget elementor-widget-heading\" data-id=\"2f50e51b\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Definition des Modells :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2ab6a941 elementor-widget elementor-widget-text-editor\" data-id=\"2ab6a941\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Da deine Daten nun (wirklich) fertig sind, kannst du mit der Modellierung deines <a href=\"https:\/\/datascientest.com\/de\/adversarial-examples-im-machine-learning\">neuronalen Netzes<\/a> fortfahren. Hier wirst du dein Modell Schicht f\u00fcr Schicht aufbauen.<\/p><p>Auch hier bist du bei der Umsetzung nicht allein. Wir werden dich bei der Modellierung des Netzes unten begleiten.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-18e5060 elementor-widget elementor-widget-image\" data-id=\"18e5060\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"673\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMAS_LABELS_CHIFFRES-1024x862.png\" class=\"attachment-large size-large wp-image-174248\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMAS_LABELS_CHIFFRES-1024x862.png 1024w, https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMAS_LABELS_CHIFFRES-300x253.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMAS_LABELS_CHIFFRES-768x647.png 768w, https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMAS_LABELS_CHIFFRES.png 1115w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a82e940 elementor-widget elementor-widget-text-editor\" data-id=\"a82e940\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>input und output: gleiche Farbe<br \/>mittlere Schichten: gleiche Farbe<\/p><p>Beispiel:<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-111e0249 elementor-widget elementor-widget-image\" data-id=\"111e0249\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"698\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMA_NEURONES-1024x894.png\" class=\"attachment-large size-large wp-image-174249\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMA_NEURONES-1024x894.png 1024w, https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMA_NEURONES-300x262.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMA_NEURONES-768x671.png 768w, https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMA_NEURONES-1536x1341.png 1536w, https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMA_NEURONES.png 1608w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2568d71d elementor-widget elementor-widget-text-editor\" data-id=\"2568d71d\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Das Modell besteht aus einer <strong>Eingabeschicht (Input layer)<\/strong> mit einer Anzahl von Neuronen, die der Anzahl von Merkmalen entspricht, die ein Datensatz haben kann, in unserem Fall ist das die Anzahl der Pixel eines Bildes.<\/p><p>Du definierst deine Eingabeschicht mithilfe des Input-Konstruktors von keras.layers und gibst die Gr\u00f6\u00dfe unserer Daten an.<\/p><p>Hidden Layers werden mit dem Konstruktor Dense definiert, wobei das Argument units dazu dient, die Anzahl der Neuronen in einer Schicht anzugeben.<\/p><p>F\u00fcr dein Modell initialisierst du die erste Schicht mit 20 <a href=\"https:\/\/datascientest.com\/de\/adversarial-examples\">Neuronen und die zweite Schicht mit 14 Neuronen.<\/a> Die beiden verborgenen Schichten werden die Aktivierungsfunktion relu verwenden.<\/p><p>Die Ausgabeschicht (Output Layer) hat eine <a href=\"https:\/\/datascientest.com\/de\/tensorflow-installieren-mit-anaconda-auf-macos\">Neuronenanzahl, die der Anzahl der verschiedenen Klassen entspricht<\/a>, hier die Anzahl der Ziffern, also 10. Du benutzt auch den Konstruktor Dense mit der Funktion softmax, die uns eine Verteilung zwischen 0 und 1 gibt, was die Wahrscheinlichkeit ist, dass unsere Daten den entsprechenden Klassen angeh\u00f6ren.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-32ef0f93 elementor-widget elementor-widget-shortcode\" data-id=\"32ef0f93\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/de0e124c68dc418ca77a23676ce07b42.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-26747bba elementor-widget elementor-widget-text-editor\" data-id=\"26747bba\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Hier ist deine Vorlage, die nach der Ausf\u00fchrung des obigen Codes definiert wurde.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-25e56116 elementor-widget elementor-widget-heading\" data-id=\"25e56116\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Modell kompilieren :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2593406e elementor-widget elementor-widget-text-editor\" data-id=\"2593406e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Wir wissen, dass du unbedingt mit dem Training des Modells fortfahren willst, aber es gibt noch einen letzten kleinen Schritt, der getan werden muss: das Kompilieren unseres Modells.<\/p><p>Die compile-Methode konfiguriert den Prozess des Modelltrainings, indem sie drei wichtige Parameter angibt.<\/p><ul><li>loss: Ein Parameter, der dem Modell mitteilt, auf welche Verlustfunktion sich die Fehlerberechnung und -optimierung st\u00fctzt. Hier werden wir die &#8222;categorical_crossentropy&#8220; verwenden.<\/li><li>optimizer: Dieser Parameter legt den Optimierungsalgorithmus fest, den wir verwenden werden, um den Gradientenabstieg der Verlustfunktion durchzuf\u00fchren. Wir w\u00e4hlen den &#8222;adam&#8220;-Optimierer, der in der Regel gute Ergebnisse bei einer gro\u00dfen Anzahl von Problemen liefert.<\/li><li>metrics: Ein Parameter, der dazu dient, die Metriken f\u00fcr die Bewertung des Modells w\u00e4hrend des Trainingsprozesses auszuw\u00e4hlen. Die f\u00fcr dieses Modell festgelegte Metrik ist die Genauigkeit (accuracy), die am h\u00e4ufigsten f\u00fcr Klassifikationsprobleme verwendet wird.<\/li><\/ul><p>Die Ausf\u00fchrung der n\u00e4chsten Zelle kompiliert dein Modell und macht es schlie\u00dflich bereit f\u00fcr das Training.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-18a7e79d elementor-widget elementor-widget-shortcode\" data-id=\"18a7e79d\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/0ccdcc8741f51a041eef66bce64dec1e.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3b414faf elementor-widget elementor-widget-heading\" data-id=\"3b414faf\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Modell trainieren :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6efe9db0 elementor-widget elementor-widget-text-editor\" data-id=\"6efe9db0\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Jetzt sind wir endlich in der Trainingsphase angelangt, in der die ganze Magie des<a href=\"https:\/\/datascientest.com\/de\/transfer-learning\"> Deep Learning<\/a> zum Tragen kommt. Aber vorher m\u00fcssen noch ein paar notwendige Begriffe erkl\u00e4rt werden.<\/p><p>Deep-Learning-Algorithmen sind bekannt daf\u00fcr, dass sie sehr datenintensiv sind. Die Datenmengen, die zum Trainieren eines neuronalen Netzes verwendet werden, k\u00f6nnen Hunderte oder sogar Tausende von GB erreichen. Um es Maschinen mit begrenztem Arbeitsspeicher zu erm\u00f6glichen, Modelle zu trainieren, teilen wir unsere Datenmenge in kleinere Teile, sogenannte Batches, auf, um sie leichter in den RAM der Maschine laden zu k\u00f6nnen.<\/p><p>Wenn alle Stapel durchlaufen wurden, sagt man, dass eine Epoche abgeschlossen wurde. Das Lernen eines neuronalen Netzes erfordert mehrere Epochs.<\/p><p>Du wirst sehen, dass dieser Teil gar nicht so kompliziert ist, denn du brauchst nur eine einzige Zeile Code, um das Training zu starten. Allerdings haben wir dir versprochen, dir jedes Detail des Codes zu erkl\u00e4ren, daher wirst du hier die fit-Methode auf deinem Modell ausf\u00fchren, mit deinem Trainingsdatensatz (train dataset) als Argument und zus\u00e4tzlichen Parametern:<\/p><ul><li>batch_size: die Anzahl der Datenproben, die ein Batch enthalten wird.<\/li><li>epoch: die Anzahl der epochs, die ben\u00f6tigt werden, um das Modell zu trainieren.<\/li><li>validation_split: der Prozentsatz der Daten, die f\u00fcr die Bewertung unseres Modells w\u00e4hrend des Trainings verwendet werden.<\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-29271710 elementor-widget elementor-widget-shortcode\" data-id=\"29271710\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/83aaddf8e86426e5b97c87ed3d6048df.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-39b8202b elementor-widget elementor-widget-text-editor\" data-id=\"39b8202b\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Die Trainingszeit f\u00fcr ein Modell kann von vielen Kriterien abh\u00e4ngen: Gr\u00f6\u00dfe des Datensatzes, Komplexit\u00e4t der Modellarchitektur, Anzahl der Epochs und Rechenleistung.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-65d9b235 elementor-widget elementor-widget-heading\" data-id=\"65d9b235\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Bewertung des Modells :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3e370421 elementor-widget elementor-widget-text-editor\" data-id=\"3e370421\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Herzlichen Gl\u00fcckwunsch! Du hast gerade dein erstes Deep-Learning-Modell trainiert. Jetzt musst du sicherstellen, dass es gut funktioniert, indem du seine Genauigkeit (accuracy) misst.<\/p><p>Wie bereits erw\u00e4hnt, ist die Genauigkeit eine Metrik zur Bewertung von Klassifizierern, z. B. das Verh\u00e4ltnis von korrekt klassifizierten Punkten zur Gesamtzahl der Daten.<\/p><p>Wenn du diesen Code ausf\u00fchrst, wird dir die Genauigkeit des Trainings und der Validierung in Abh\u00e4ngigkeit von den Epochen angezeigt. Ein Beispiel f\u00fcr die erzielten Ergebnisse folgt gleich danach<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-70e0f0e9 elementor-widget elementor-widget-shortcode\" data-id=\"70e0f0e9\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/a2eb9371546d1892c6207107f0fca4b7.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-62e819b4 elementor-widget elementor-widget-image\" data-id=\"62e819b4\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"581\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMA_ACCURACY-1024x744.png\" class=\"attachment-large size-large wp-image-174250\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMA_ACCURACY-1024x744.png 1024w, https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMA_ACCURACY-300x218.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMA_ACCURACY-768x558.png 768w, https:\/\/datascientest.com\/de\/files\/2023\/04\/SCHEMA_ACCURACY.png 1293w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-711c3a2f elementor-widget elementor-widget-text-editor\" data-id=\"711c3a2f\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Die<em><strong> training accuracy<\/strong><\/em> wird erreicht, indem man die Tests mit den Lerndaten durchf\u00fchrt, d. h. mit Daten, die das Modell schon vorher gesehen hat. Die Validierungsgenauigkeit hingegen wird mit neuen Daten erzielt, was den Unterschied im Diagramm erkl\u00e4rt.<\/p><p>Hier haben wir eine Validation accuracy von 95%, was ein sehr zufriedenstellendes Ergebnis ist.<\/p><p>NB: Du wirst nicht unbedingt die gleichen Ergebnisse wie die angezeigten haben, da sie von der Initialisierung der Gewichte des Modells abh\u00e4ngen, die zuf\u00e4llig erfolgt, aber der Unterschied wird nicht auff\u00e4llig sein.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-72beabcd elementor-widget elementor-widget-heading\" data-id=\"72beabcd\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Werde Deep Learning-Profi!<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7168193e elementor-widget elementor-widget-text-editor\" data-id=\"7168193e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Da du nun wei\u00dft, wie du dein eigenes neuronales Netz aufbauen, trainieren und testen kannst, kannst du in die Welt des Deep Learning eintauchen und viele neue Dinge ausprobieren. Bei diesem Modell kannst du versuchen, die Architektur, die Aktivierungsfunktionen oder die Trainingseinstellungen zu ver\u00e4ndern. Hierzu kannst du einen Blick in die Dokumentation von Keras werfen.<\/p><p>Starte neue Projekte, die Daten aus neuen und unterschiedlichen Quellen verarbeiten. Beschr\u00e4nke dich nicht nur auf einen einzigen Datentyp, <a href=\"https:\/\/datascientest.com\/de\/word2vec\">sondern greife z. B. strukturierte Daten und NLP an<\/a>.<\/p><p>Halte dich auch auf unserem Blog auf dem Laufenden, der voller Wissen \u00fcber Deep Learning steckt, wie dieser Artikel, der dein theoretisches Wissen \u00fcber das Thema vertiefen wird.<\/p><p>Und wenn du deine F\u00e4higkeiten im Bereich Deep Learning verbessern willst, dann schau dir die von DataScientest entwickelten Expertenkurse an.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4e0a467b elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"4e0a467b\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/de\/unsere-aus-und-weiterbildungen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Deep Learning Weiterbildung<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-47a5954 e-flex e-con-boxed e-con\" data-id=\"47a5954\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-27daf52 elementor-widget elementor-widget-text-editor\" data-id=\"27daf52\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>\ud83d\udca1 Auch interessant:<\/p><table dir=\"ltr\" border=\"1\" cellspacing=\"0\" cellpadding=\"0\"><colgroup><col width=\"268\" \/><\/colgroup><tbody><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Deep Neural Network&quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/deep-neural-network\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/deep-neural-network\" target=\"_blank\" rel=\"noopener\">Deep Neural Network<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Alphacode Deepminds&quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/alphacode-deepminds-neues-ki-tool-zum-schreiben-von-computercode\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/alphacode-deepminds-neues-ki-tool-zum-schreiben-von-computercode\" target=\"_blank\" rel=\"noopener\">Alphacode Deepminds<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Deep Learning vs. Machine Learning&quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/deep-learning-vs-machine-learning\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/deep-learning-vs-machine-learning\" target=\"_blank\" rel=\"noopener\">Deep Learning vs. Machine Learning<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Style Transfer Deep Learning&quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/style-transfer-deep-learning\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/style-transfer-deep-learning\" target=\"_blank\" rel=\"noopener\">Style Transfer Deep Learning<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Deep Learning - was ist das eigentlich ?&quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/deep-learning-oder-tiefes-lernen-was-ist-das-denn\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/deep-learning-oder-tiefes-lernen-was-ist-das-denn\" target=\"_blank\" rel=\"noopener\">Deep Learning &#8211; was ist das eigentlich ?<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Deep Fake Gefahren&quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/deep-fake-gefahren-massnahmen-und-rechtslage\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/deep-fake-gefahren-massnahmen-und-rechtslage\" target=\"_blank\" rel=\"noopener\">Deep Fake Gefahren<\/a><\/td><\/tr><\/tbody><\/table>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Python Deep Learning: Es ist sehr wahrscheinlich, dass du in deinem Alltag Anwendungen nutzt, die auf Deep-Learning-Modelle zur\u00fcckgreifen. \u00dcbersetzungen, OCR, Gesichtserkennung&#8230; Verschiedene deiner Anwendungen beinhalten Deep Learning. Diese Anwendung von Python Deep Learning wurde durch die Verf\u00fcgbarkeit gro\u00dfer Datenmengen, die Algorithmen ben\u00f6tigen, um effizient zu sein, und durch die zunehmende Rechenleistung von Maschinen, die das [&hellip;]<\/p>\n","protected":false},"author":67,"featured_media":174246,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2454],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Python Deep Learning: Die Basics<\/title>\n<meta name=\"description\" content=\"Du bist auf der Suche nach Informationen zu Python Deep Learning ? Als Datenwissenschaftler solltest Du wissen, dass ...\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Python Deep Learning: Die Basics\" \/>\n<meta property=\"og:description\" content=\"Python Deep Learning: Es ist sehr wahrscheinlich, dass du in deinem Alltag Anwendungen nutzt, die auf Deep-Learning-Modelle zur\u00fcckgreifen. \u00dcbersetzungen,\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics\" \/>\n<meta property=\"og:site_name\" content=\"Weiterbildung Data Science | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2023-04-13T21:54:49+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T08:22:01+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/04\/python-deep-learning.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"1025\" \/>\n\t<meta property=\"og:image:height\" content=\"562\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"Melanie\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:site\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Melanie\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"9 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics\"},\"author\":{\"name\":\"Melanie\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d\"},\"headline\":\"Python Deep Learning: Die Basics\",\"datePublished\":\"2023-04-13T21:54:49+00:00\",\"dateModified\":\"2023-10-30T08:22:01+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics\"},\"wordCount\":1583,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics#respond\"]}],\"copyrightYear\":\"2023\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics\",\"url\":\"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics\",\"name\":\"Python Deep Learning: Die Basics\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/#website\"},\"datePublished\":\"2023-04-13T21:54:49+00:00\",\"dateModified\":\"2023-10-30T08:22:01+00:00\",\"description\":\"Du bist auf der Suche nach Informationen zu Python Deep Learning ? Als Datenwissenschaftler solltest Du wissen, dass ...\",\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/de\/#website\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"name\":\"Weiterbildung Data Science | DataScientest.com\",\"description\":\"F\u00fchrender Anbieter von Schulungen im Bereich Data Science\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/de\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-germany\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d\",\"name\":\"Melanie\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g\",\"caption\":\"Melanie\"},\"url\":\"https:\/\/datascientest.com\/de\/author\/melaniekrause\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Python Deep Learning: Die Basics","description":"Du bist auf der Suche nach Informationen zu Python Deep Learning ? Als Datenwissenschaftler solltest Du wissen, dass ...","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics","og_locale":"de_DE","og_type":"article","og_title":"Python Deep Learning: Die Basics","og_description":"Python Deep Learning: Es ist sehr wahrscheinlich, dass du in deinem Alltag Anwendungen nutzt, die auf Deep-Learning-Modelle zur\u00fcckgreifen. \u00dcbersetzungen,","og_url":"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics","og_site_name":"Weiterbildung Data Science | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2023-04-13T21:54:49+00:00","article_modified_time":"2023-10-30T08:22:01+00:00","og_image":[{"width":1025,"height":562,"url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/04\/python-deep-learning.webp","type":"image\/webp"}],"author":"Melanie","twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Verfasst von":"Melanie","Gesch\u00e4tzte Lesezeit":"9 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics#article","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics"},"author":{"name":"Melanie","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d"},"headline":"Python Deep Learning: Die Basics","datePublished":"2023-04-13T21:54:49+00:00","dateModified":"2023-10-30T08:22:01+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics"},"wordCount":1583,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"articleSection":["Data Science"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/de\/python-deep-learning-die-basics#respond"]}],"copyrightYear":"2023","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics","url":"https:\/\/datascientest.com\/de\/python-deep-learning-die-basics","name":"Python Deep Learning: Die Basics","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/#website"},"datePublished":"2023-04-13T21:54:49+00:00","dateModified":"2023-10-30T08:22:01+00:00","description":"Du bist auf der Suche nach Informationen zu Python Deep Learning ? Als Datenwissenschaftler solltest Du wissen, dass ...","inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/de\/python-deep-learning-die-basics"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/de\/#website","url":"https:\/\/datascientest.com\/de\/","name":"Weiterbildung Data Science | DataScientest.com","description":"F\u00fchrender Anbieter von Schulungen im Bereich Data Science","publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/de\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-germany\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d","name":"Melanie","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g","caption":"Melanie"},"url":"https:\/\/datascientest.com\/de\/author\/melaniekrause"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/174245"}],"collection":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/users\/67"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/comments?post=174245"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/174245\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media\/174246"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media?parent=174245"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/categories?post=174245"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/tags?post=174245"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}