TensorFlow快速入门指南

概述

深度学习是目前机器学习学科发展最蓬勃的分支, 在整个 AI 有广阔的应用. 人工智能是计算机科学的一个分支, 著名的 “图灵测试” 是 AI 的终极目标.

深度学习是在人工神经网络基础上发展而来的一种表示学科.

深度学习的优势:

• 海量的训练数据
• 非常灵活的模型
• 足够的运算能力
• 足够的对抗维度灾难的先验模型神经网络
  

卷积神经网络 (CNN)

卷积神经网络: Convolutional Neural Networks

• 包含卷积层的神经网络, 擅长处理图像
• 常见网络: LeNet, AlexNet, VGG16, GoogleNet, ResNet

卷积运算:

池化操作:

稀疏连接:

权值共享:

循环神经网络 (RNN)

• 为处理时序数据而设计的, 例如一段文字或者语音
• 常见网络: 长短期记忆 (LSTM: long short-term memory)TensorFlow
  

简介

随着各种图像识别, 语音识别的记录被不断刷新, 深度学习被证明是一个极具潜力的技术方向. 构建高效, 可靠, 可扩展的基础工具, 能为这一领域发展起到极大作用.

Google 退出了一套深度学习系统: TensorFlow. TensorFlow 是目前最优秀的深度学习系统之一:

• 具有灵活的表达能力, 能够快速实现各种算法
• 高执行能力, 具备分布扩展性
• 跨平台可移植性
• 试验可复现性
• 支持快速产品化, 模型可随时部署

TensorFlow 是一个基于数据流图的数值计算开源库.

面向数值计算 (深度学习, 通用计算机应用) 数据流图是 TensorFlow 计算的抽象表示. 数据流图是有向图, 图中的各点表示各种数学的计算操作, 边表示操作与操作之间传递的高纬度数值数据, 称为 tensor. 支持各种设备的灵活部署, 分布式集群, 手机移动设备.

特点

TensorFlow 是一个机遇数据流编程的符号数学系统, 被广泛应用于各类机器学习算法的编程实现.

TensorFlow 的特点:

• 多平台支持, 很容易在移动设备上运行
• 内置了简单的高级 API, 使用方便
• 支持可视化训练 (TensorBoard)
• 容易实现生产部署 (TensorFlow Serving)
• 良好的文档和广大的社区支持环境搭建
  

关于环境搭建的具体细节, 在这里就不多赘述. 网上有很多好文章, 或者可以去某宝花 9.9.

我们将会使用 TesnorFlow 1.x 版本进行讲解
我们将会使用 TesnorFlow 1.x 版本进行讲解
我们将会使用 TesnorFlow 1.x 版本进行讲解
(重要的事情说三遍)

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删