R语言是一种自由软件编程语言与操作环境,主要用于统计分析、绘图、数据挖掘、机器学习等。今日RStudio发布博文称,已为TensorFlow创建了R接口,使R用户能方便的使用TensorFlow。
在过去的一年中,我们一直在努力为Google的开源机器学习框架TensorFlow创建R接口。我们之所以如此关注它,最重要的是TensorFlow为深度学习应用提供了最先进的基础设施。
在谷歌开源后的这两年里,TensorFlow迅速成为机器学习从业者和研究人员的首选框架。周六,我们的JJ Allaire在rstudio :: conf的主题演讲中正式宣布了我们关于TensorFlow的工作:
视频链接:http://imgcdn.atyun.com/2018/02/Machine-Learning-with-R-and-TensorFlow.mp4?_=1
在主题演讲中,JJ不仅描述了我们在TensorFlow上所做的工作,而且还深入地讨论了深度学习(深度学习是什么,它是如何工作的,以及它在未来几年可能与R的用户相关的地方,视频搬运自youtube)。
TensorFlow的R接口由一套R包组成,它们为TensorFlow提供了各种接口,用于不同的任务和抽象层次,包括:
除了TensorFlow的各种R接口之外,还有一些工具有助于训练的工作流程,包括在RStudio IDE中对训练指标的实时反馈:
tfruns包提供了跟踪和管理TensorFlow训练时的运行和实验的工具:
训练CNN或RNN可能非常耗费算力,而能够使用高端的英伟达GPU可以缩短训练时间。但是,大多数用户在本地没有这种硬件。为了解决这个问题,我们提供了多种在云中使用GPU的方法,包括:
如果你已经拥有所需的英伟达GPU硬件,还可以在本地工作站上设置 GPU。
设置说明:https://tensorflow.rstudio.com/tools/local_gpu.html
TensorFlow for R:https://tensorflow.rstudio.com/
Deep Learning with R:https://www.amazon.com/Deep-Learning-R-Francois-Chollet/dp/161729554X
Deep Learning with Keras Cheatsheet:https://github.com/rstudio/cheatsheets/raw/master/keras.pdf
Gallery:https://tensorflow.rstudio.com/gallery/
Examples:https://tensorflow.rstudio.com/learn/examples.html