腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

SeanCheney的专栏

专栏作者

192

文章

371411

阅读量

88

订阅数

《Scikit-Learn与TensorFlow机器学习实用指南》第11章训练深度神经网络（下）

神经网络迁移学习编程算法 tensorflow nest

训练一个非常大的深度神经网络可能会非常缓慢。到目前为止，我们已经看到了四种加速训练的方法（并且达到更好的解决方案）：对连接权重应用良好的初始化策略，使用良好的激活函数，使用批量规范化以及重用预训练网络的部分。另一个巨大的速度提升来自使用比普通渐变下降优化器更快的优化器。在本节中，我们将介绍最流行的：动量优化，Nesterov 加速梯度，AdaGrad，RMSProp，最后是 Adam 优化。

2020-10-27

9640

《Scikit-Learn与TensorFlow机器学习实用指南》第11章训练深度神经网络（上）

c 语言 tensorflow 编程算法神经网络

第 10 章介绍了人工神经网络，并训练了我们的第一个深度神经网络。但它是一个非常浅的 DNN，只有两个隐藏层。如果你需要解决非常复杂的问题，例如检测高分辨率图像中的数百种类型的对象，该怎么办？你可能需要训练更深的 DNN，也许有 10 层，每层包含数百个神经元，通过数十万个连接相连。这可不像公园散步那么简单：

2020-10-27

5050

《Scikit-Learn、Keras与TensorFlow机器学习实用指南（第二版）》第19章规模化训练和部署TensorFlow模型

深度学习 tensorflow 嵌入式 api

有了能做出惊人预测的模型之后，要做什么呢？当然是部署生产了。这只要用模型运行一批数据就成，可能需要写一个脚本让模型每夜都跑着。但是，现实通常会更复杂。系统基础组件都可能需要这个模型用于实时数据，这种情况需要将模型包装成网络服务：这样的话，任何组件都可以通过REST API询问模型。随着时间的推移，你需要用新数据重新训练模型，更新生产版本。必须处理好模型版本，平稳地过渡到新版本，碰到问题的话需要回滚，也许要并行运行多个版本做AB测试。如果产品很成功，你的服务可能每秒会有大量查询，系统必须提升负载能力。提升负载能力的方法之一，是使用TF Serving，通过自己的硬件或通过云服务，比如Google Cloud API平台。TF Serving能高效服务化模型，优雅处理模型过渡，等等。如果使用云平台，还能获得其它功能，比如强大的监督工具。

2020-02-18

6.5K0

《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》第13章使用TensorFlow加载和预处理数据

缓存 tensorflow 文件存储 api 数据挖掘

Data API还可以从现成的文件（比如CSV文件）、固定大小的二进制文件、使用TensorFlow的TFRecord格式的文件（支持大小可变的记录）读取数据。TFRecord是一个灵活高效的二进制格式，基于Protocol Buffers（一个开源二进制格式）。Data API还支持从SQL数据库读取数据。另外，许多开源插件也可以用来从各种数据源读取数据，包括谷歌的BigQuery。

2019-12-16

3.3K0

《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》第12章使用TensorFlow自定义模型并训练

tensorflow python keras api

目前为止，我们只是使用了TensorFlow的高级API —— tf.keras，它的功能很强大：搭建了各种神经网络架构，包括回归、分类网络、Wide & Deep 网络、自归一化网络，使用了各种方法，包括批归一化、dropout和学习率调度。事实上，你在实际案例中95%碰到的情况只需要tf.keras就足够了（和tf.data，见第13章）。现在来深入学习TensorFlow的低级Python API。当你需要实现自定义损失函数、自定义标准、层、模型、初始化器、正则器、权重约束时，就需要低级API了。甚至有时需要全面控制训练过程，例如使用特殊变换或对约束梯度时。这一章就会讨论这些问题，还会学习如何使用TensorFlow的自动图生成特征提升自定义模型和训练算法。首先，先来快速学习下TensorFlow。

2019-12-13

5.2K0

《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》第10章使用Keras搭建人工神经网络

keras c 语言 api tensorflow 神经网络

下载本书代码和电子书：https://www.jianshu.com/p/4a94798f7dcc

2019-10-16

3K0

深度学习四大名著之《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》第二版

tensorflow keras api https scikit-learn

《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》第二版

2019-09-25

20K4

常见深度学习框架对比

pytorch tensorflow 深度学习 keras python

目前研究人员正在使用的深度学习框架不尽相同，有TensorFlow、Caffe、Theano、Keras等，常见的深度学习框架如下图所示。

2019-04-09

1.4K0

《Scikit-Learn与TensorFlow机器学习实用指南》第16章强化学习（下）

机器学习 tensorflow 强化学习 scikit-learn

在二十世纪初，数学家 Andrey Markov 研究了没有记忆的随机过程，称为马尔可夫链。这样的过程具有固定数量的状态，并且在每个步骤中随机地从一个状态演化到另一个状态。它从状态S演变为状态S'的概率是固定的，它只依赖于(S, S')对，而不是依赖于过去的状态（系统没有记忆）。

2018-12-17

5290

《Scikit-Learn与TensorFlow机器学习实用指南》第16章强化学习（上）

机器学习 tensorflow 游戏强化学习 scikit-learn

强化学习（RL）如今是机器学习的一大令人激动的领域，当然之前也是。自从 1950 年被发明出来后，它在这些年产生了一些有趣的应用，尤其是在游戏（例如 TD-Gammon，一个西洋双陆棋程序）和机器控制领域，但是从未弄出什么大新闻。直到 2013 年一个革命性的发展：来自英国的研究者发起了Deepmind 项目，这个项目可以学习去玩任何从头开始的 Atari 游戏，在多数游戏中，比人类玩的还好，它仅使用像素作为输入而没有使用游戏规则的任何先验知识。这是一系列令人惊叹的壮举中的第一个，并在 2016 年 3 月以他们的系统阿尔法狗战胜了世界围棋冠军李世石而告终。从未有程序能勉强打败这个游戏的大师，更不用说世界冠军了。今天，RL 的整个领域正在沸腾着新的想法，其都具有广泛的应用范围。DeepMind 在 2014 被谷歌以超过 5 亿美元收购。

2018-12-17

4280

《Scikit-Learn与TensorFlow机器学习实用指南》第15章自编码器

机器学习 tensorflow 神经网络存储 scikit-learn

自编码器是能够在无监督的情况下学习输入数据的有效表示（叫做编码）的人工神经网络（即，训练集是未标记）。这些编码通常具有比输入数据低得多的维度，使得自编码器对降维有用（参见第 8 章）。更重要的是，自编码器可以作为强大的特征检测器，它们可以用于无监督的深度神经网络预训练（正如我们在第 11 章中讨论过的）。最后，他们能够随机生成与训练数据非常相似的新数据；这被称为生成模型。例如，您可以在脸部图片上训练自编码器，然后可以生成新脸部。

2018-12-14

4340

《Scikit-Learn与TensorFlow机器学习实用指南》第14章循环神经网络

自动驾驶机器学习 tensorflow 神经网络 scikit-learn

击球手击出垒球，你会开始预测球的轨迹并立即开始奔跑。你追踪着它，不断调整你的移动步伐，最终在观众的掌声中抓到它。无论是在听完朋友的话语还是早餐时预测咖啡的味道，你时刻在做的事就是在预测未来。在本章中，我们将讨论循环神经网络 -- 一类预测未来的网络（当然，是到目前为止）。它们可以分析时间序列数据，诸如股票价格，并告诉你什么时候买入和卖出。在自动驾驶系统中，他们可以预测行车轨迹，避免发生交通意外。更一般地说，它们可在任意长度的序列上工作，而不是截止目前我们讨论的只能在固定长度的输入上工作的网络。举个例子，它们可以把语句，文件，以及语音范本作为输入，使得它们在诸如自动翻译，语音到文本或者情感分析（例如，读取电影评论并提取评论者关于该电影的感觉）的自然语言处理系统中极为有用。

2018-12-14

7240

《Scikit-Learn与TensorFlow机器学习实用指南》第10章人工神经网络

其他机器学习 tensorflow 神经网络 scikit-learn

鸟类启发我们飞翔，牛蒡植物启发了尼龙绳，大自然也激发了许多其他发明。从逻辑上看，大脑是如何构建智能机器的灵感。这是启发人工神经网络（ANN）的关键思想。然而，尽管飞机受到鸟类的启发，但它们不必拍动翅膀。同样的，ANN 逐渐变得与他们的生物表兄弟有很大的不同。一些研究者甚至争辩说，我们应该完全放弃生物类比（例如，通过说“单位”而不是“神经元”），以免我们把我们的创造力限制在生物学的系统上。

2018-12-10

7900

《Scikit-Learn与TensorFlow机器学习实用指南》第09章启动并运行TensorFlow

scikit-learn tensorflow 机器学习开源 python

TensorFlow 是一款用于数值计算的强大的开源软件库，特别适用于大规模机器学习的微调。它的基本原理很简单：首先在 Python 中定义要执行的计算图（例如图 9-1），然后 TensorFlow 使用该图，并使用优化的 C++ 代码高效运行该图。

2018-10-10

8150

《Scikit-Learn与TensorFlow机器学习实用指南》第07章集成学习和随机森林

scikit-learn tensorflow 机器学习编程算法决策树

假设你去随机问很多人一个很复杂的问题，然后把它们的答案合并起来。通常情况下你会发现这个合并的答案比一个专家的答案要好。这就叫做群体智慧。同样的，如果你合并了一组分类器的预测（像分类或者回归），你也会得到一个比单一分类器更好的预测结果。这一组分类器就叫做集成；因此，这个技术就叫做集成学习，一个集成学习算法就叫做集成方法。

2018-09-19

6060

《Scikit-Learn与TensorFlow机器学习实用指南》第06章决策树

scikit-learn tensorflow 机器学习决策树编程算法

和支持向量机一样，决策树是一种多功能机器学习算法，即可以执行分类任务也可以执行回归任务，甚至包括多输出（multioutput）任务.

2018-09-19

1.1K0

《Scikit-Learn与TensorFlow机器学习实用指南》第4章训练模型

scikit-learn tensorflow 机器学习编程算法神经网络

在之前的描述中，我们通常把机器学习模型和训练算法当作黑箱来处理。如果你动手练习过前几章的一些示例，就能惊奇地发现优化回归系统、改进数字图像的分类器、甚至可以零基础搭建一个垃圾邮件的分类器，但是却对它们内部的工作流程一无所知。事实上，许多场合你都不需要知道这些黑箱子的内部有什么，干了什么。

2018-09-19

8760

《Scikit-Learn与TensorFlow机器学习实用指南》第3章分类

scikit-learn tensorflow 机器学习监督学习编程算法

在第一章我们提到过最常用的监督学习任务是回归（用于预测某个值）和分类（预测某个类别）。在第二章我们探索了一个回归任务：预测房价。我们使用了多种算法，诸如线性回归，决策树，和随机森林（这个将会在后面的章节更详细地讨论）。现在我们将我们的注意力转到分类任务上。

2018-09-19

1.2K0

《Scikit-Learn与TensorFlow机器学习实用指南》第2章一个完整的机器学习项目使用真实数据项目概览获取数据数据探索和可视化、发现规律为机器学习算法准备数据选择并训练模型模型微调启动

本章中，你会假装作为被一家地产公司刚刚雇佣的数据科学家，完整地学习一个案例项目。下面是主要步骤：项目概述。获取数据。发现并可视化数据，发现规律。为机器学习算法准备数据。选择模型，进行训练。微调模型。给出解决方案。部署、监控、维护系统。使用真实数据学习机器学习时，最好使用真实数据，而不是人工数据集。幸运的是，有上千个开源数据集可以进行选择，涵盖多个领域。以下是一些可以查找的数据的地方：流行的开源数据仓库： UC Irvine Machine Learning Repository K

2018-04-24

2.9K0

《Scikit-Learn与TensorFlow机器学习实用指南》第1章机器学习概览什么是机器学习？为什么使用机器学习？机器学习系统的类型批量和线上学习基于实例vs基于模型学习机器学习的主要挑战测

scikit-learn tensorflow 机器学习

---- 本书翻译已加入ApachCN的开源协作项目，见 https://github.com/apachecn/hands_on_Ml_with_Sklearn_and_TF/tree/dev/docs。我负责翻译的是第一章和第二章。 ApacheCN_飞龙转载了后面的章节，大家可以去他的页面查看，《第3章分类》链接 📷 ---- 下载本书和代码：https://www.jianshu.com/p/9efbae6dbf8e 本书自2017年4月9日出版，便长期占据美国亚马逊Compu

2018-04-24

1.7K0

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态