first contact with tensorflow【中文版】

写在之前:本书是翻译自,已获原作者授权。 作者写这本书的目的是为了快速实践深度学习。因此,读者应该有基本的机器学习知识和必要的数据知识。本书将采用主流的机器学习算法来进行tensorflow 训练。

第一章将简短介绍TensorFlow 代码和编程模型。

Tensorflow 基本概念

本章将简短介绍TensorFlow 代码和编程模型。学完本章后,期待读者会TensorFlow 的package 安装方法。

Tensorflow 开源包

TensorFlow 源于Google 大脑团队的机器学习和深度神经网络研究。这个系统能够解决更广泛的机器学习问题。

TensorFlow 使用计算图来表示一个计算任务。图中的节点代表数学运算,也可以表示数据的输入、输出和读写等操作;图中的边表示多维数组(Tensors),节点之间的某种联系。

TensorFlow 使用计算图来构建计算过程,用符号来表示计算操作。这使得TensorFlow 可以同时运用Linux 64位操作系统的CPU 和GPU 性能,TensorFlow 也可以在移动端Android 或者iOS 上执行。

TensorFlow 的可视化模块TensorBoard 可监控算法的运行状态并显示。 TensorFlow Serving

Google 最近开源了,TensorFlow Serving可以帮助机器学习开发者将他们的TensorFlow 机器学习模型(可以扩展到其它各类型的机器学习模型)加载到产品中。TensorFlow Serving采用C++编写,并已开源到github 。 TensorFlow 和TensorFlow Serving到底有啥区别呢?

TensorFlow 项目主要是基于各种机器学习算法构建模型,并为某些特定类型的数据输入做适应学习,而TensorFlow Serving则专注于让这些模型能够加入到产品环境中。开发者使用TensorFlow 构建模型,然后TensorFlow Serving基于客户端输入的数据使用前面TensorFlow 训练好的模型进行预测。

相关推荐
相关主题
热门推荐