《白话深度学习与TensorFlow》——3.6 小结

3.6 小结

TensorFlow说到底还是一系列的工具。对于一个工程技术人员或实际深度学习问题的研究员来说,了解TensorFlow的基本原理和使用方法就够了。我们的精力应该更多地放在用模型解决实际问题这一方面。
对TensorFlow本身的架构,我想作为业余研究或者学术研究是可以的,而作为商业性的研究,其投入产出比可能会低到你自己受不了的地步。尤其是不建议大家去修改里面的代码来尝试做“改进”。因为如果你的代码在提交到Github上之后没有人愿意同你合并,那么就意味着这个Branch还是要你自己维护到死。
有关TensorFlow原理性的东西不用了解得太深,就像你学用Java未必一定要把Eclipse的代码和实现原理学懂一样。TensorFlow上手非常容易,后面我们会给多个例子来教大家怎么使用TensorFlow搭建一个完整的网络并训练出满意的结果。

时间: 2024-11-14 11:56:23

《白话深度学习与TensorFlow》——3.6 小结的相关文章

《白话深度学习与TensorFlow》——导读

**前言**为什么要写这本书近些年来,伴随着计算机计算能力的不断升级,很多原来只有在科幻电影里才有的桥段越来越多地出现在我们身边了,并给了我们更多的想象空间与期待.在2016年,人工智能界最令人瞩目的事情莫过于谷歌的AlphaGo以4:1的悬殊比分轻松击败韩国著名九段围棋大师李世石.之后化名"Master"的AlphaGo更是一路大开杀戒,分别在对弈网站"弈城"和"腾讯围棋"登录,先后打败了柯洁九段.朴廷桓九段.陈耀烨九段以及创造日本大满贯传奇的

《白话深度学习与TensorFlow》——2.5 小结

2.5 小结 深度学习是一种前景非常好的应用领域,也就是我们平时说的"看不到天花板",它几乎在任何一个细分领域都可以有比较好的应用,并且能够产生大量的剩余价值,发展生产力.而且随着计算机计算性能的不断提升,深度学习的应用也将积累更快,落地更廉价.我们有充分的理由相信,深度学习的发展将是未来几十年内世界科技发展的最为重要的领域之一.不过像阿西莫这样的机器人的训练过程,不会仅仅只依赖一套深度神经网络来充当其大脑的,远没有那么简单.除去所有制造性质的环节不说,就是机器人本身也很可能有着多套功

《白话深度学习与TensorFlow》——1.5 小结

1.5 小结 一言以蔽之,机器学习就是人类定义一定的计算机算法,让计算机根据输入的样本和一些人类的干预来总结并归纳其特征与特点,并用这些特征和特点与一定的学习目标形成映射关系,进而自动化地做出相应反应的过程.这个反应可能是做出相应的标记或判断,也可能是输出一段内容--图片.程序代码.文本.声音,而机器自己学到的内容我们可以描述为一个函数.一段程序.一组策略等相对复杂的关系描述.在我看来,机器学习是大数据的一个子范畴.因为凡是基于对客观事物的量化认知的科学都是数据科学的范畴,也就是广义的大数据的范

《白话深度学习与TensorFlow》——3.3 其他特点

3.3 其他特点 TensorFlow有很多的特点,当然这些特点不见得都是独一无二的. 1 .多环境与集群支持 首先,TensorFlow支持在PC的CPU环境.GPU环境甚至是安卓环境中运行.它不仅可以支持在单个计算单元(一颗CPU的多核心或一颗GPU的多核心)上进行运算,也支持一台机器上多个CPU或多个GPU上并行计算. 2016年4月14日,Google发布了分布式TensorFlow,能够支持在几百台机器上并行训练.分布式的TensorFlow由高性能的gRPC库作为底层技术支持.Ten

《白话深度学习与TensorFlow》——3.2 与其他框架的对比

3.2 与其他框架的对比 1)?TensorFlow:深度学习最流行的库之一,是谷歌在深刻总结了其前身 DistBelief 的经验教训上形成的:它不仅便携.高效.可扩展,还能在不同计算机上运行:小到智能手机,大到计算机集群:它是一款轻量级的软件,可以立刻生成你的训练模型,也能重新实现它:TensorFlow有强大的社区.企业支持,因此它广泛用于从个人到企业.从初创公司到大公司等不同群体. 2)?Caffe:卷积神经网络框架,专注于卷积神经网络和图像处理,是用C++语言写成 的,执行速度非常快.

《白话深度学习与TensorFlow》——2.2 深度神经网络

2.2 深度神经网络 2016年3月,随着Google的AlphaGo以4∶1的悬殊比分战胜韩国的李世石九段,围棋--这一人类一直认为可以在长时间内轻松碾压AI的竞技领域已然无法固守,而深度学习(deep learning)这一象征着未来人工智能领域最重要.最核心的科技也越来越成为人们关注的焦点.这里所谓的深度学习实际指的是基于深度神经网络(deep neural networks,DNN)的学习,也就是深度人工神经网络所进行的学习过程,或称作Deep Learning.这个Deep指的是神经网

《白话深度学习与TensorFlow》——3.4 如何选择好的框架

3.4 如何选择好的框架 作为计算模型来说,深度学习中的绝大部分基本理论早已沉淀成了固化的计算模块.函数或者算法包.就计算模型本身来说,框架之间的差别不会太大,也不可能太大,除非这个领域的理论层面得到了极大的突破,而且这个突破还是不同方向且掌握在个别组织手里的.而现在框架之间的差别主要出现在这几个地方.第一,性能方面.这一属性主要由底层的实现语言决定,底层运行比较快的仍旧是实现的语言.理论上说,运行速度最快的仍旧是C或C++一类,离着CPU指令近一些语言效率高一些.笔者用过Torch.Tenso

《白话深度学习与TensorFlow》——第3章 3.0TensorFlow框架特性与安装

第3章 3.0TensorFlow框架特性与安装 随着深度学习技术的逐步兴起,世界范围内支持深度学习的框架也如雨后春笋.那些各大学实验室制作出来的不出名的小项目就不必提了,单说现在在业界使用比较普遍的框架就有TensorFlow.Caffe.Theano.Torch等不下十种.我们在这本书中选用TensorFlow是因为笔者认为TensorFlow作为谷歌重要的开源项目,其未来的社区热度应该是容易保证的.而一个火热的社区对于推动一个开源项目发展有着至关重要的作用,它能让项目有旺盛的生命力且在生命

《白话深度学习与TensorFlow》——第1章 1.0机器学习是什么

第1章 1.0机器学习是什么 机器学习是一个跟"大数据"一样近几年格外火的词汇.我们在了解深度学习之前,还是有必要了解和认识机器学习这个词的.机器学习究竟是一个什么过程或者行为呢? 机器学习--我们先想想人类学习的目的是什么?是掌握知识.掌握能力.掌握技巧,最终能够进行比较复杂或者高要求的工作.那么类比一下机器,我们让机器学习,不管学习什么,最终目的都是让它独立或至少半独立地进行相对复杂或者高要求的工作.我们在这里提到的机器学习更多是让机器帮助人类做一些大规模的数据识别.分拣.规律总结

《白话深度学习与TensorFlow》——第2章 深度学习是什么 2.1 神经网络是什么

第2章 深度学习是什么 2.1 神经网络是什么 要说深度学习(deep learning),就必须先说神经网络,或者称人工神经网络(artificial neural network,ANN).神经网络是一种人类由于受到生物神经细胞结构启发而研究出的一种算法体系. 人的神经细胞就像图上这样,枝枝杈杈很多,远远看上去一边比较粗大一边比较纤细.最上端粗大的这一边就是细胞体的所在,细胞体上有一些小枝杈叫做树突,细长的这一条像尾巴一样的东西叫做轴突.不同细胞之间通过树突和轴突相互传递信息,它们的接触点叫