CODE大全
版权声明:本文为博主原创文章,未经博主允许不得转载。

机器学习TensorFlow简介

发布时间:『 2017-08-01 15:57』  博客类别:日志  阅读(869) 评论(0)

今年谷歌发布了第二代 TPU,同时它能在 Google Compute Engine 上进行使用。第二代 TPU 的性能达到每秒 180 万亿次浮点运算(180 teraflops),并且如果将 64 个 TPU 组织成一个计算集群,那么它的性能达到每秒 11.5 千万亿次浮点运算(11.5 petaflops)。如下图所示,该速查表不仅简要介绍了 TensorFlow、Skflow 和 Keras,同时还描述了如何安装和获得帮助的函数。该速查表还重点描述了 TensorFlow 的常用函数,如常见的梯度下降法、适应性梯度算法和 Adam 优化算法等优化器,常见的 ReLU、Sigmoid 和 tanh 等激活函数。

TensorFlow

TensorFlow 表达了高层次的机器学习计算,大幅简化了第一代系统,并且具备更好的灵活性和可延展性。TensorFlow一大亮点是支持异构设备分布式计算,它能够在各个平台上自动运行模型,从手机、单个CPU / GPU到成百上千GPU卡组成的分布式系统。

从目前的文档看,TensorFlow支持CNN、RNN和LSTM算法,这都是目前在Image,Speech和NLP最流行的深度神经网络模型。

为啥Google要开源这个神器?

如果Tensorflow这么好,为啥不藏起来而是要开源呢?答案或许比你想象的简单:我们认为机器学习是未来新产品和新技术的一个关键部分。在这一个领域的研究是全球性的,并且发展很快,却缺少一个标准化的工具。通过分享这个我们认为是世界上最好的机器学习工具库之一的东东,我们希望能够创造一个开放的标准,来促进交流研究想法和将机器学习算法产品化。Google的工程师们确实在用它来提供用户直接在用的产品和服务,而Google的研究团队也将在他们的许多科研文章中分享他们对Tensorflow的使用。


——— 全文完 ———
如有版权问题,请联系532009913@qq.com。
关键字:   TensorFlow     机器学习     人工智能  
评论信息
暂无评论
发表评论
验证码: 
Powered by CODE大全 | 鄂ICP备14009759号-2 | 网站留言 Copyright © 2014-2016 CODE大全 版权所有