《面向机器智能的TensorFlow实践》一1.3 TensorFlow:一个现代的机器学习库

1.3 TensorFlow:一个现代的机器学习库

TensorFlow由谷歌于2015年11月向公众正式开源,它是汲取了其前身—DistBelief在创建和使用中多年积累的经验与教训的产物。TensorFlow的设计目标是保证灵活性、高效性、良好的可扩展性以及可移植性。任何形式和尺寸的计算机,从智能手机到大型计算集群,都可运行TensorFlow。TensorFlow中包含了可即刻将训练好的模型产品化的轻量级软件,有效地消除了重新实现模型的需求。TensorFlow拥抱创新,鼓励开源的社区参与,但也拥有一家大公司的支持、引导,并保持一定的稳定性。由于其强大的功能,TensorFlow不仅适合个人使用,对于各种规模的公司(无论是初创公司,还是谷歌这样的大公司)也都非常适合。

如果你和你的同事拥有数据、一个有待求解的问题以及一台可工作的计算机,那么很幸运,TensorFlow正是你们一直寻找的“武林秘籍”。

时间: 2024-09-20 03:13:25

《面向机器智能的TensorFlow实践》一1.3 TensorFlow:一个现代的机器学习库的相关文章

《面向机器智能的TensorFlow实践》引言

本节书摘来自华章出版社<面向机器智能的TensorFlow实践>一书中的第1章,第节,作者山姆·亚伯拉罕(Sam Abrahams)丹尼亚尔·哈夫纳(Danijar Hafner)[美] 埃里克·厄威特(Erik Erwitt) 阿里尔·斯卡尔皮内里(Ariel Scarpinelli),更多章节内容可以访问"华章计算机"公众号查看. 引 言2 1.1 无处不在的数据 我们正实实在在地处于"信息时代".如今,各种数据从无穷无尽的渠道不断涌入:智能手机.手

《面向机器智能的TensorFlow实践》导读

目录 译者序 前言 第一部分 开启TensorFlow之旅 第1章 引言 1.1 无处不在的数据2 1.2 深度学习2 1.3 TensorFlow:一个现代的机器学习库3 1.4 TensorFlow:技术概要3 1.5 何为TensorFlow4 1.5.1 解读来自官网的单句描述4 1.5.2 单句描述未体现的内容6 1.6 何时使用TensorFlow7 1.7 TensorFlow的优势8 1.8 使用TensorFlow所面临的挑战9 1.9 高歌猛进9 第2章 安装TensorFl

《面向机器智能的TensorFlow实践》TensorFlow与机器学习基础

本节书摘来自华章出版社<面向机器智能的TensorFlow实践>一书中的第1章,第节,作者山姆·亚伯拉罕(Sam Abrahams)丹尼亚尔·哈夫纳(Danijar Hafner)[美] 埃里克·厄威特(Erik Erwitt) 阿里尔·斯卡尔皮内里(Ariel Scarpinelli),更多章节内容可以访问"华章计算机"公众号查看. TensorFlow基础 3.1 数据流图简介 本节将脱离TensorFlow的语境,介绍一些数据流图的基础知识,内容包括节点.边和节点依赖

《面向机器智能的TensorFlow实践》安装TensorFlow10

本节书摘来自华章出版社<面向机器智能的TensorFlow实践>一书中的第1章,第节,作者山姆·亚伯拉罕(Sam Abrahams)丹尼亚尔·哈夫纳(Danijar Hafner)[美] 埃里克·厄威特(Erik Erwitt) 阿里尔·斯卡尔皮内里(Ariel Scarpinelli),更多章节内容可以访问"华章计算机"公众号查看. 安装TensorFlow 在开始使用TensorFlow之前,需要先将其安装到计算机中.幸运的是,TensorFlow官网提供了一份在Lin

面向机器智能的TensorFlow实践》一1.1 无处不在的数据

本节书摘来自华章出版社<面向机器智能的TensorFlow实践>一书中的第1章,第1节,作者 山姆·亚伯拉罕(Sam Abrahams)丹尼亚尔·哈夫纳(Danijar Hafner)[美] 埃里克·厄威特(Erik Erwitt)阿里尔·斯卡尔皮内里(Ariel Scarpinelli),更多章节内容可以访问"华章计算机"公众号查看. PART 1 TensorFlow 第1章 引言 第2章 安装TensorFlow     CHAPTER 1 第1章 引 言 1.1 无

《面向机器智能的TensorFlow实践》一1.4 TensorFlow:技术概要

1.4 TensorFlow:技术概要 本小节将给出一些关于TensorFlow库的高层信息,如它是什么.它的发展史.用例以及与竞争对手的比较.决策制定者.利益相关者以及任何希望了解TensorFlow背景的人都会从本小节受益. 谷歌的深度学习研究简史 谷歌最初开发的大规模深度学习工具是谷歌大脑(Google Brain)团队研发的DistBelief.自创建以来,它便被数十个团队应用于包括深度神经网络在内的不计其数的项目中.然而,像许多开创性的工程项目一样,DistBelief也存在一些限制了

《面向机器智能的TensorFlow实践》一1.7 TensorFlow的优势

1.7 TensorFlow的优势 1.易用性 相对而言,TensorFlow工作流易于理解.它的API保持着高度的一致性,这意味着在尝试不同模型时,无需从头学习一套新的东西. TensorFlow API很稳定,维护者始终在努力确保每次改动都向下兼容. TensorFlow与NumPy无缝集成,可使大多数了解Python的数据科学家如鱼得水. 不同于其他库,TensorFlow不占编译时间.这就使用户可快速验证自己的想法,而省去了专门的等待时间. 目前已有多种高层接口构建在TensorFlow

《面向机器智能的TensorFlow实践》一 1.6 何时使用TensorFlow

1.6 何时使用TensorFlow 下面介绍一些TensorFlow的用例.一般而言,对于大多数机器学习任务,TensorFlow都是一个很好的选择.下面简单列出了TensorFlow尤其适合的一些场合. 研究.开发和迭代新的机器学习架构.由于TensorFlow极为灵活,因此在构建新颖的.测试较少的模型时非常有用.而使用某些库时,用户只能获取对实现原型有帮助的具有较强刚性的预建模型,而无法对其进行修改. 将模型从训练直接切换到部署.如前所述,TensorFlow Serving使用户可实现训

IOS平台TensorFlow实践:实际应用教程(附源码)(二)

更多深度文章,请关注云计算频道:https://yq.aliyun.com/cloud   作者简介: MATTHIJS HOLLEMANS 荷兰人,独立开发者,专注于底层编码,GPU优化和算法研究.目前研究方向为IOS上的深度学习及其在APP上的应用. 推特地址:https://twitter.com/mhollemans 邮件地址:mailto:matt@machinethink.net github地址:https://github.com/hollance 个人博客:http://mac