Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
ml-mastery-zh
提交
d6b4dd14
M
ml-mastery-zh
项目概览
OpenDocCN
/
ml-mastery-zh
8 个月 前同步成功
通知
2
Star
556
Fork
158
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
M
ml-mastery-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
d6b4dd14
编写于
1月 17, 2020
作者:
要上天了呢
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
校验Python 深度学习库 TensorFlow 简介
上级
ea1fad19
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
26 addition
and
24 deletion
+26
-24
docs/dl-keras/introduction-python-deep-learning-library-tensorflow.md
...s/introduction-python-deep-learning-library-tensorflow.md
+26
-24
未找到文件。
docs/dl-keras/introduction-python-deep-learning-library-tensorflow.md
浏览文件 @
d6b4dd14
...
...
@@ -6,14 +6,16 @@ TensorFlow 是一个用于 Google 创建和发布的快速数值计算的 Python
它是一个基础库,可用于直接创建深度学习模型,或使用包装库来简化在 TensorFlow 之上构建的过程。
在这篇文章中,您将发现用于深度学习的 TensorFlow 库。
在这篇文章中,您将学习用于深度学习的 TensorFlow 库。
在我的
[
新书
](
https://machinelearningmastery.com/deep-learning-with-python/
)
中,通过 18 个渐进式的教程和 9 个项目,探索如何用几行代码为一系列预测建模问题开发深度学习模型。
让我们开始吧。
![
Introduction to the Python Deep Learning Library TensorFlow
](
img/fe8f0396c0f9d7b02308150c33abe2da.png
)
Python 深度学习库简介 TensorFlow
摄影:
[
Nicolas Raymond
](
https://www.flickr.com/photos/82955120@N05/15932303392/
)
,保留
一些
权利。
摄影:
[
Nicolas Raymond
](
https://www.flickr.com/photos/82955120@N05/15932303392/
)
,保留权利。
## 什么是 TensorFlow?
...
...
@@ -21,7 +23,7 @@ TensorFlow 是一个用于快速数值计算的开源库。
它由 Google 创建并维护,并在 Apache 2.0 开源许可下发布。虽然可以访问底层的 C ++ API,但 API 名义上是用于 Python 编程语言的。
与 Theano 等深度学习中使用的其他
数值库不同,TensorFlow 设计用于研究和开发以及生产系统,尤其是谷歌搜索中的
[
RankBrain 和有趣的
](
https://en.wikipedia.org/wiki/RankBrain
)
[
DeepDream 项目
]
(https://en.wikipedia.org/wiki/DeepDream) ]。
与 Theano 等深度学习中使用的其他
库不同,TensorFlow 设计用于研究和开发以及企业生产环境系统,尤其是
[
谷歌搜索RankBrain项目
](
https://en.wikipedia.org/wiki/RankBrain
)
和有趣的
[
DeepDream 项目
](
https://en.wikipedia.org/wiki/DeepDream
)
]。
它可以在单 CPU 系统,GPU 以及移动设备和数百台机器的大规模分布式系统上运行。
...
...
@@ -31,21 +33,21 @@ TensorFlow 是一个用于快速数值计算的开源库。
TensorFlow 适用于 Python 2.7 和 Python 3.3+。您可以按照 TensorFlow 网站上的
[
下载和设置说明
](
https://www.tensorflow.org/versions/r0.8/get_started/os_setup.html
)
进行操作。通过 PyPI 进行安装可能是最简单的,并且下载和设置网页上有用于 Linux 或 Mac OS X 平台的 pip 命令的特定说明。
如果您愿意,还可以使用
[
virtualenv
](
http://docs.python-guide.org/en/latest/dev/virtualenvs/
)
和
[
泊坞窗图
像
](
https://www.docker.com/
)
。
如果您愿意,还可以使用
[
虚拟机环境
](
http://docs.python-guide.org/en/latest/dev/virtualenvs/
)
和
[
docker镜
像
](
https://www.docker.com/
)
。
要使用 GPU,只支持 Linux,它需要 Cuda Toolkit
。
只有Linux系统支持GPU,并且还需要安装Cuda工具包
。
##
你在 TensorFlow 中的第一个例子
##
使用TensorFlow创建第一个示例
根据有向图的结构中的数据流和操作来描述计算。
*
**节点**
:节点执行计算并具有零个或多个输入和输出。在节点之间移动的数据称为张量,它是实数值的多维数组。
*
**
Edges
**
:该图定义了数据流,分支,循环和状态更新。特殊边缘可用于同步图形中的行为,例如等待完成多个输入的计算。
*
**操作**
:一个操作是一个命名的抽象计算,它可以获取输入属性并产生输出属性。例如,您可以定义
添加
或乘法操作。
*
**
边界
**
:该图定义了数据流,分支,循环和状态更新。特殊边缘可用于同步图形中的行为,例如等待完成多个输入的计算。
*
**操作**
:一个操作是一个命名的抽象计算,它可以获取输入属性并产生输出属性。例如,您可以定义
加法
或乘法操作。
### 用 TensorFlow 计算
###
使
用 TensorFlow 计算
第一个示例是
[
TensorFlow
网站
](
https://github.com/tensorflow/tensorflow
)
上的示例的修改版本。它显示了如何使用会话创建会话,定义常量和使用这些常量执
行计算。
第一个示例是
[
TensorFlow
](
https://github.com/tensorflow/tensorflow
)
上的示例的修改版本。它向你展示了如何创建一个session,在这个session中定义常量并使用常量进
行计算。
```
py
import
tensorflow
as
tf
...
...
@@ -63,11 +65,11 @@ print(sess.run(a+b))
### 使用 TensorFlow 进行线性回归
下一个例子
来自
[
TensorFlow 教程
](
https://www.tensorflow.org/versions/r0.8/get_started/index.html
)
的介绍。
第二个示例
来自
[
TensorFlow 教程
](
https://www.tensorflow.org/versions/r0.8/get_started/index.html
)
的介绍。
此示例显示了如何定义变量(例如 W 和 b)以及
作为计算结果的变量(y)
。
此示例显示了如何定义变量(例如 W 和 b)以及
变量(y)接收结果输出
。
我们对 TensorFlow 有一定的了解,它将计算的定义和声明与
会话
中的执行和运行调用分开。
我们对 TensorFlow 有一定的了解,它将计算的定义和声明与
session
中的执行和运行调用分开。
```
py
import
tensorflow
as
tf
...
...
@@ -105,7 +107,7 @@ for step in xrange(201):
# Learns best fit is W: [0.1], b: [0.3]
```
运行此示例将输出以下
输出
:
运行此示例将输出以下
内容
:
```
py
(
0
,
array
([
0.2629351
],
dtype
=
float32
),
array
([
0.28697217
],
dtype
=
float32
))
...
...
@@ -121,19 +123,19 @@ for step in xrange(201):
(
200
,
array
([
0.1000006
],
dtype
=
float32
),
array
([
0.29999971
],
dtype
=
float32
))
```
您可以在
[
基本使用指南
](
https://www.tensorflow.org/versions/r0.8/get_started/basic_usage.html
)
中了解有关 TensorFlow
机制
的更多信息。
您可以在
[
基本使用指南
](
https://www.tensorflow.org/versions/r0.8/get_started/basic_usage.html
)
中了解有关 TensorFlow 的更多信息。
## 更多深度学习模型
您的 TensorFlow 安装
附带了许多深度学习模型,您可以直接使用它们进行试验
。
您的 TensorFlow 安装
包中附带了许多深度学习模型,您可以直接使用它们
。
首先,您需要找
出系统上
TensorFlow 的安装位置。例如,您可以使用以下 Python 脚本:
首先,您需要找
到
TensorFlow 的安装位置。例如,您可以使用以下 Python 脚本:
```
py
python
-
c
'import os; import inspect; import tensorflow; print(os.path.dirname(inspect.getfile(tensorflow)))'
```
例如,
这可能是
:
例如,
它可能是这样的
:
```
py
/
usr
/
lib
/
python2
.
7
/
site
-
packages
/
tensorflow
...
...
@@ -141,17 +143,17 @@ python -c 'import os; import inspect; import tensorflow; print(os.path.dirname(i
切换到此目录并记下 models 子目录。包括许多深度学习模型,包含类似教程的注释,例如:
*
多线程 word2vec
迷你批量跳过克
模型。
*
多线程 word2vec
unbatched
skip-gram 模型。
*
CNN
用于
CIFAR-10 网络。
*
多线程 word2vec
小批量skip-gram
模型。
*
多线程 word2vec
全量
skip-gram 模型。
*
CNN CIFAR-10 网络。
*
简单,端到端,类似 LeNet-5 的卷积 MNIST 模型示例。
*
具有注意机制的序列到序列
模型。
*
Seq2seq
模型。
还要检查 examples 目录,因为它包含使用 MNIST 数据集的示例。
在 TensorFlow 主网站上还有一个很
棒
的
[
教程列表
](
https://www.tensorflow.org/versions/r0.8/tutorials/index.html
)
。它们展示了如何使用不同的网络类型,不同的数据集以及如何以各种不同的方式使用框架。
在 TensorFlow 主网站上还有一个很
全好
的
[
教程列表
](
https://www.tensorflow.org/versions/r0.8/tutorials/index.html
)
。它们展示了如何使用不同的网络类型,不同的数据集以及如何以各种不同的方式使用框架。
最后,有
[
TensorFlow
游乐场
](
http://playground.tensorflow.org/
)
,您可以在 Web 浏览器中试验小型网络。
最后,有
[
TensorFlow
实验室
](
http://playground.tensorflow.org/
)
,您可以在 Web 浏览器中试验小型网络。
## TensorFlow 资源
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录