您的位置 > 首页 > 商业智能 > TensorFlow的30个主要功能总结

TensorFlow的30个主要功能总结

来源:电子发烧友 | 2018-12-03 | 发布:新葡京官网


TensorFlow 是目前最流行的深度学习库,它是 Google 开源的一款人工智能学习系统。Tensor 的意思是张量,代表 N 维数组;Flow 的意思是流,代表基于数据流图的计算。把 N 维数字从流图的一端流动到另一端的过程,就是人工智能神经网络进行分析和处理的过程。

最近,twitter 上有一位 Google AI 工程师总结了 TensorFlow 的 30 个主要功能,雷锋网 AI 科技评论整理如下。

在过去几年,有关 TensorFlow 的知识系统占据了我的大脑。与其它一些更新的框架相比,TensorFlow 的功能并不是很多。

我对这个产品投入全心的思考并写下了我的想法,下面是一条接一条不断扩展的清单。对此,你准备好了吗?



1)TensorFlow 扩展(TFX)

大家都知道我特别喜欢用 TFX 以及它的全套工具来把机器学习模型部署到生产环境中。如果你关心如何使模型保持最新并监控它们,那么你可以了解一下这个产品、看看它的论文。

地址是:tensorflow.org/tfx/?hl=zh-cn



2)TensorFlow hub

如果你想在小型数据集上训练你的模型,或者提高泛化能力,你会需要使用迁移学习。TFHub 模块使它变得容易,并且可以在 https://tfhub.dev/ 这个开源软件商店中使用。TF Hub 的地址是:tensorflow.org/hub/



3)TFX 数据验证

如何自动确保用于重新训练模型的数据与最初用于训练模型的数据具有相同的格式、源、命名约定等。

对于线上训练来说,这是一个量很大的工作!

https://www.tensorflow.org/tfx/data_validation/?hl=zh-cn



4)TFX -TensorFlow 变换

同样地,你可能希望用于重新训练的数据也能被自动进行预处理:对特定特性进行归一化、将字符串转换为数值等。Transform 不仅可以对单个样本进行这些操作,还能批处理数据。

网址是:https://www.tensorflow.org/tfx/transform/?hl=zh-cn



5)TFX 模型分析

我最喜欢用 TensorFlow 模型分析功能去检查模型的输入数据或者模型推理过程中可能发生在某一小部分数据上的问题。我可以用它来仔细检查数据,以确保所有类别的数据都没有受到负面影响

网址是:https://www.tensorflow.org/tfx/model_analysis/?hl=zh-cn



6)TFX-服务

服务使得部署新算法+实验变得容易,但是仍然能保持相同的服务器架构+API。它不仅可以直接支持 TensorFlow 上的模型,也可以支持其它模型。

网址是:https://www.tensorflow.org/serving/?hl=zh-cn



7)TensorBoard

TensorBoard 是 TensorFlow 框架上一个非常酷炫的可视化工具,它也是 TensorFlow 直接自带的。它可以可视化展现模型运行过程中的日志,而且对于标量、直方图、分布、图、图像、音频等都有各自的展示面板。

网址是:https://t.co/CEVbcJTHLP?amp=1



8)TensorFlow Lite (#TFLite)

用 #TFLite 可以在手机和嵌入式设备上部署模型。如果你看到安卓手机上有检测植物叶子是否有疾病的 APP,或者小型的、具备 AI 技能的机器人,那么它们很有可能使用了 #TFLite。

网址是:https://t.co/suCsBIeQz4?amp=1



9)TensorFlowJS

这是一个 JavaScript 库,用于在浏览器和 Node.js 上训练和部署 ML 模型。如果你已经习惯了使用 TensorFlow Playground 和 GAN Playground,TFJS 就是它们背后的支撑技术。TensorFlowJS 的团队也棒极了!

网址:https://js.tensorflow.org/



10)TensorFlow 上的 Swift

Swift 可以在运行代码前,捕获类型错误和形状不匹配的错误,并内置了自动微分功能。它带来了 eager execution 功能,而且让 TF 的可用性提高了非常多。我还需要多用用这个

网址:https://www.tensorflow.org/swift/



11)Keras

Keras 如今直接集成在 TF 中,也就是 tf.keras。这意味着,如果不想使用低阶的模型,那仍然可以用高阶 API 的用户友好性来实现图形+模型的构建。2.0 版本将会有更多的功能!网址:https://www.tensorflow.org/guide/keras



12)Tensor2Tensor

Tensor2Tensor 是一个深度学习模型和数据集的开源软件库,它可以让深度学习变得更容易上手,促进机器学习的研究。它同时也提供了何时以及为什么要部署这些模型的高级指南。

网址:https://github.com/tensorflow/tensor2tensor



13)XLA(线性代数计算加速)

XLA 是线性代数领域特定的编译器,它优化了 TensorFlow 的计算方式。结果是在计算速度、内存使用和移动平台的可移植性上都有改进。不过你先要有一个硬件加速器啊!

网址:https://www.tensorflow.org/xla/



14)边缘 TPU

为低功耗 IO 设备提供高性能机器学习推理的小型专用集成电路。例如:边缘 TPU 可以执行最先进的移动视觉模型,如以 100+fps 的速度执行 MobileNet V2 模型,同时还非常地省电。

网址:https://cloud.google.com/edge-tpu/



15)Magenta(这里把英文原文留下吧,中文翻译不知所以……)

作为一个音乐家,Magenta 让我高兴得不得了。

可以将 8 键输入映射到一架 88 键钢琴上、自动创建旋律伴奏、使用机器学习来显示音乐的视觉效果、转录曲调、产生新的声音等等。

网址:https://magenta.tensorflow.org/



16)种子库

这个功能也很少看到有人讨论

种子库是一个不断扩展的交互式机器学习示例集合,您可以使用、修改、实验和补充这些示例来满足您的需求+用例研究。在种子库的机器学习项目里面,甚至有关注公平和偏见的实例!

种子库的地址是:https://research.google.com/seedbank/



17)GoogleColab 分析工具

这不是 TensorFlow 特有的工具,但是是一个非常好的工具,我不得不提到它!它是一个交互式的 Python 笔记本,能免费使用,可以在 CPU/GPU/TPU 或本地/远程后端之间切换!


本文已经过优化显示,查看原文请点击以下链接:
查看原文:http://www.elecfans.com/d/826260.html

看图学经济more

京ICP备10217856号  京ICP证090565号 京公网安备1101084107号 论坛法律顾问:王进律师知识产权保护声明免责及隐私声明   主办单位:新葡京娱乐 版权所有
联系QQ:2881989700  邮箱:service@wangjiaotuan.com
合作咨询电话:(010)62719935 广告合作电话:13661292478(刘老师)

投诉电话:(010)68466864 不良信息处理电话:(010)68466864