这些关于TensorFlow问题的解答,你不能错过

作为目前最普及的深度学习框架,TensorFlow 实不必多做介绍。

无论国内外,有相当数量程序员以 TensorFlow 入门深度学习开发,逐步走上职业机器学习工程师的道路。

然而,TensorFlow 有一定的使用门槛。

不管是编程范式,还是数学统计基础,都为非机器学习与数据科学背景的伙伴们带来一定的上手难度,更不要提处理不同任务时需面对的各类算法模型。

在AI慕课学院的TensorFlow课程中,同学们向老师提出了很多问题,比如:

anaconda是否能替代virtualenv? 除了python以外还能使用其他编程语言吗? 关于初始化和计算的运行成功例子?

如果你在入门学习TF的过程中,也有很多类似的疑问,想要得到系统性和细节的解答。我们专程为大家邀请了两位 ThoughtWorks 老师与大家分享新手入门 TensorFlow 容易遇到的一些问题,以及他们的入门经历与使用体验。

新手入门深度学习,选择 TensorFlow 有哪些益处?

佟达:首先,对于新手来说,TensorFlow的环境配置包装得真心非常好。 相较之下,安装Caffe要痛苦的多,如果还要再CUDA环境下配合OpenCV使用,对于新手来说,基本上不折腾个几天是很难搞定的。 其次,基于TensorFlow的教学资源非常多,中英文的都有,这对于新手也是非常有帮助的。 Google做社区非常有一套,在中国有专门的一群人,会在第一时间把Google的开发者相关的进展翻译成中文。 另外,由于有Google背书,TensorFlow从长期演进来看,基本上可以保证这个技术不会昙花一现。 对于一个深度学习新手来说,学习任何一个工具,都有成本,如果刚学会,这个工具就没人用了,这个沉没成本还是很高的。

白发川:TensorFlow分为图和session两个部分。 因为构建和执行在不同的阶段,所以很好的支持了模型的分布式,所以学习TF可以比较好的理解模型的分布式计算。 另外TF支持直接从分布式文件系统,例如HDFS系统读取数据,所以可以说TF是接通机器学习和大数据的一个桥梁。

新人上手 TensorFlow 经常会遇到哪些问题或困难?

佟达:第一个困难应该是来自编程范式的变化。 因为TensorFlow是声明式开发方式,通过Session真正执行程序,这和常见的开发语言编程范式不太一样。 如果是曾经有过函数式编程的Lazy Evaluation经验,接受起来会好一点。 当掌握了基本的TensorFlow操作之后,就要使用TensorFlow做些真正有意义的事情。 这时候的一大困难在于,TensorFlow的报错信息不那么直观,如果执行出错,新手很难从一大堆调用栈中找到有用的信息。

白发川:首选遇到的应该是数学的知识。 TF本身是一个深度学习的框架,和我们常规的程序框架例如Spring,Hibernate之类的框架定位不太一样,会偏向数学部分一点。 例如矩阵计算,求导等,虽然TF已经封装了对应的计算的API,但是我们还是需要知道这些概念性的知识,这样才知道应该用什么API。 其次TF通过图的构建和计算部分分离实现模型的分布式,这一块的理解对初学者来说有时候也不太容易。

能不能讲讲你们当初上手 TensorFlow 的经历?学习过程中都遇到了哪些困难,又是如何解决的?

佟达:我在使用TensorFlow之前,使用过其他一些机器学习/深度学习框架,比如主要用于语音识别的Kaldi,图像识别的Caffe,还有Spark MLlib,DeepLearning4j等。 所以上手TensorFlow并没有带来特别大的困难。 当用TensorFlow做的事情越来越复杂之后,我开始尝试扩展TensorFlow,比如写一些自定义的Op。 在TensorFlow中添加自定义Op需要用C++实现,编译好之后,在Python里面讲动态库链接进来才能使用。 这一过程还是有些复杂,尤其是C++的代码有问题需要调试,需要使用lldb(llvm的debug工具,类似gdb),这对开发这的要求比较高。 另外TensorFlow的编译使用的是Bazel,这是谷歌开源的一个多语言项目管理工具,要想把自定义的Op编译出来,还需要花点时间研究Bazel。 实际上,Google很成功的把TensorFlow封装的很好,开箱即用,然而,框架本身的复杂度还是很高,一旦你想要深入进去,还是需要下很大功夫。

白发川:TF不是我接触的第一个深度学习框架。 我是从大数据做起,到后来的开始用Spark MLlib做开发,也使用过h2o和deeplearning4j这些框架,最后才接触TF的。 所以对于我来说,更多的是学习TF的API设计相关的改变,以及对比其他框架TF做了哪些差异化的地方。 对于API这一块,直接参考TF的Doc就是最好的方法。 不过我可以介绍一下入门到机器学习的经历,我最开始的工作也是和大多数人一样,从事web开发,或者mobile的开发。 所以我的情况应该和大多数人相同,后来我开始接触到机器学习的时候发现和之前的思维差别挺大的。 首先在我们从事一般的像mobile之类的开发的时候,我们并不会关心什么是矩阵的逆,什么是函数的导数,更加不会关心什么是链式求导。 而在机器学习里面,这些都是基础,所以我又重新捡回了大学的线性代数和微积分再次过了一遍。 TF是个深度学习框架,所以使用TF的时候不可避免的要理解什么是隐层,什么是激活函数,激活函数有哪些,以及如何定义损失函数等等这一些概念。 对于这一块我当时除了调研一些书籍外也通过看stanford的一些课程来学习。 当然过程中也和很多同行进行交流和总结,特别是对于调参这一块,除了学习之外更多的需要自己进行实践。

看完这些,你是否在想:一直希望有个老司机能手把手带领入门?这就是一次不容错过的好机会!

当当当,由 ThoughtWorks 两位老师在雷锋网AI慕课学院(mooc.ai)主讲的“TensorFlow & 神经网络算法高级应用班”正在开展ing…向大家系统性地传道解惑。快来和小编一起去课程现场看看~

干货满满:

一言不合就秀代码:

原文发布于微信公众号 - AI研习社(okweiwu)

原文发表时间:2017-05-03

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

业界 | 深度学习芯片公司Graphcore初探:颠覆GPU、FPGA和CPU的新一代处理器IPU

选自Nextplatform 作者:Nicole Hemsoth 机器之心编译 参与:朱朝阳、侯韵楚、李亚洲、黄小天 ? 作为思维锻炼,让我们将神经网络视为大量...

2784
来自专栏人工智能LeadAI

关于Deep Neural Networks for YouTube Recommendations的一些思考和实现

论文 Deep Neural Networks for YouTube Recommendations 来自google的YouTube团队,发表在16年9月的...

1K3
来自专栏机器之心

观点 | TensorFlow sucks,有人吐槽TensorFlow晦涩难用

选自nicodjimenez 机器之心编译 参与:李泽南、刘晓坤 作为当今最流行的深度学习框架,TensorFlow 已经出现了两年之久。尽管其背后有着谷歌这样...

33710
来自专栏福利活动清单

腾讯云云智AI资源包重磅推出

OCR文字识别,基于腾讯世界领先的深度学习技术和海量数据,提供卡证、票据类、印刷体、手写体、自定义模板等多种场景和类型的文字识别服务,大大提高信息录入效率、降低...

2055
来自专栏AI研习社

万事开头难!入门TensorFlow,这9个问题TF Boys必须要搞清楚

作为目前最普及的深度学习框架,TensorFlow 实不必多做介绍。 无论国内国外,有相当数量的程序员以 TensorFlow 入门深度学习开发,逐步走上职业机...

38315
来自专栏大数据文摘

学习AI可能不需要那么多数学知识:20小时进阶计划

2215
来自专栏新智元

盘点 | TOP49人工智能常用 API

【新智元导读】作者Geethika Bhavya Peddibhotla列出了49个人工智能领域常用的API,包括机器学习和预测、人脸和图像识别、文本和情感分析...

4729
来自专栏灯塔大数据

对比深度学习十大框架:TensorFlow最流行但并不是最好

引 言 2016 年已经过去,BEEVA Labs 数据分析师 Ricardo Guerrero Gomez-Ol 近日在 Medium 上发表了一篇文章,盘...

3786
来自专栏量子位

软件2.0时代来了!特斯拉AI负责人说:神经网络正在改变编程

原作:Andrej Karpathy 安妮 编译自 Medium 量子位 出品 | 公众号 QbitAI 本文作者Andrej Karpathy,现任特斯拉人工...

3725
来自专栏PPV课数据科学社区

【入门】怎么培养数据分析的能力?

一些个人的工作经验,希望对后来人有帮助。首先总结下平时数据分析的一般步骤。 第一步:数据准备:(70%时间) 获取数据(爬虫,数据仓库) 验证数据 数据清理(缺...

2776

扫码关注云+社区

领取腾讯云代金券