什么是TensorFlow,TensorFlow教程

阅读本文以了解更多关于TensorFlow的知识,并了解如何在项目中使用它。

TensorFlow教程

目的:在今天的TensorFlow教程中,我们将学习什么是TensorFlow,它在哪里使用,它的不同特性,TensorFlow应用程序,最新版本及其优缺点,以及如何在项目中使用它。

TensorFlow教程|什么是TensorFlow

TensorFlow的历史

DistBelief是TensorFlow在升级之前被调用的,它是在2011年作为一个基于深度学习神经网络的专有系统构建的。DistBelief的源代码经过修改,被做成了一个更好的基于应用程序的库,2015年,它被称为tensorflow。

TensorFlow是什么?

TensorFlow是一个强大的面向数据流的机器学习库,由谷歌的Brain Team创建,于2015年开源。它被设计成易于使用和广泛应用于数字和神经网络的问题以及其他领域。

本质上,TensorFlow是一个用于处理复杂数学问题的低级工具包,它针对的是那些知道自己在做什么的研究人员,以构建实验学习体系结构,并将其转化为运行中的软件。

它可以被认为是一个编程系统,在这个系统中,你将计算表示为图形。图中的节点表示数学运算,边缘表示它们之间通信的多维数据数组(张量)。

最新版本

TensorFlow的最新版本是1.7.0,可以在tensorflow.org上找到。它的设计理念是深度学习,但它适用于更广泛的问题。

关于张量

现在,顾名思义,它提供了在张量上定义函数并自动计算其导数的原语。

张量是一种高维数组,用于计算机编程,以数字的形式表示大量的数据。在互联网上还有其他n - d数组库,就像Numpy一样,但TensorFlow是独立的,因为它提供了创建张量函数并自动计算导数的方法。

TensorFlow教程

其他的用途

您可以在其上构建其他的机器学习算法,比如决策树或k近邻。下面是一个由TensorFlow组成的生态系统:

TensorFlow生态系统。

从上面的描述可以看出,TensorFlow可集成性良好,具有包括GPU处理、python和Cpp在内的依赖关系,您也可以使用它与docker等容器软件集成。

TensorBoard

TensorBoard是一套可视化工具,是TensorFlow的一种简单解决方案,它由创建者提供,允许您可视化图形,并使用其他数据(如图像)来绘制图形的定量度量。

操作

TensorFlow在各种平台上运行,安装是linux操作系统,安装很简单。它可以使用pip或conda环境进行安装。这些应用程序不仅支持深度学习,还支持其他形式的机器学习,比如强化学习。强化学习把你带入目标导向的任务中,比如赢得视频游戏,或者帮助机器人在不平衡的环境中行走。

TensorFlow应用程序

有无数的机器学习的应用和TensorFlow允许您去探索他们中的大多数包括情绪分析,谷歌翻译,文本摘要和,图像识别,它被世界各地的大公司,包括Airbnb,eBay,Dropbox,Snapchat,Twitter,Uber,SAP、高通、IBM、英特尔、当然,谷歌、Facebook、Instagram,亚马逊用于各种目的。

TensorFlow特性

TensorGlow具有用于Matlab和c++的api,并且具有广泛的语言支持。随着时间的推移,研究人员正在努力让它变得更好,最近,在最新的TensorFlow峰会上,TensorFlow.js是一个用于培训和部署机器学习模型的javascript库,并且在tensorflow官网上可以使用一个开源浏览器集成平台,在那里您可以看到在修改超参数时发生的实时变化。

TensorFlow优势

  • TensorFlow有一个响应性结构,您可以很容易地将图形的每个部分可视化。
  • 平台的灵活性,这意味着它是模块化的,有些部分可以独立而其他人合并。
  • 它可以在CPU和GPU上轻松地进行分布式计算。
  • 它具有自动分化功能,它可以利用基于梯度的机器学习算法,也就是说,你可以通过对其他值来计算值的导数,从而得出图表扩展的结果。
  • 它支持线程、异步计算和队列。
  • 它是可定制的和开放源码的。

TensorFlow局限性

如果在相同的范围内导入GPU内存,则会与Theano发生冲突。

不支持OpenCL

需要有高级微积分和线性代数知识以及对机器学习的了解。

结论

TensorFlow是一个很好的库,可以在创建深度学习网络时对数据进行数值和图形计算,是谷歌Search、谷歌Translate Translate、谷歌Photos等应用最广泛的库。人们使用机器学习做了许多令人惊叹的事情,其中包括与医疗保健相关的应用、电影推荐引擎、音乐、个性化广告和社交媒体情绪挖掘等。随着机器学习和人工智能的进步让人难以置信,TensorFlow是帮助实现这些目标的工具。

原文发布于微信公众号 - 程序你好(codinghello)

原文发表时间:2018-06-02

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

来自专栏吉浦迅科技

主流深度学习框架对比:必定有一款适合你!

现在机器学习逐渐成为行业热门,经过二十几年的发展,机器学习目前也有了十分广泛的应用,如:数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、D...

6219
来自专栏机器之心

前沿 | MIT开发神经网络专用芯片:能耗降低95%,适合移动端设备

2177
来自专栏技术翻译

机器学习如何改变软件开发

让我们把几件事弄清楚。虽然神经网络、深度学习、机器学习和人工智能似乎都是一样的,但它们都有各自的历史、起源和等级制度。

2681
来自专栏AI科技评论

深度 | 为了让iPhone实时运行人脸检测算法,苹果原来做了这么多努力

AI 科技评论按:苹果从iOS11开始正式在系统中带有机器学习API,同步提供了许多基于机器学习/深度学习的手机功能。其实这之前苹果就已经做了很多研究和开发,但...

37810
来自专栏PPV课数据科学社区

【学习】推荐算法实践

前言 推荐系统并不是新鲜的事物,在很久之前就存在,但是推荐系统真正进入人们的视野,并且作为一个重要的模块存在于各个互联网公司,还是近几年的事情。 随着互联网的深...

2953
来自专栏张俊红

数学之美(二)

总第75篇 本篇为数学之美连载篇二,你还可以看:数学之美(一) 11|矩阵运算与文本处理: 无论是词汇的聚类还是文本的分类,都可以通过线性代数中的奇异值分解来进...

3425
来自专栏非著名程序员

GitHub 上最火,最热门的机器学习和人工智能,数据科学项目

最近,普拉纳夫 · 达尔(Pranav Dar)发文总结了 2018 年 2 月份 Github 上最火的 5 个数据科学和机器学习项目。

1163
来自专栏数据派THU

精选 Github 近期13款开源工具包!(附数据集、链接)

本文共1700字,建议阅读6分钟。 本文为你精选近期Github上的13款深度学习开源工具包和数据集,一起Star和Fork吧~

1928
来自专栏AI科技评论

动态 | 谷歌发布机器学习规则 关于机器学习工程的最佳实践(下)

文章介绍了一种机器学习样式,类似于 Google C++ 样式指南和其他常用的实用编程指南。

792
来自专栏AI研习社

Github 项目推荐 | Tensorflow.js 进化建模

这是 Siraj Raval 在 Youtube 上用 Tensorflow.js 实现Evolution建模的代码。

1664

扫码关注云+社区

领取腾讯云代金券