TensorFlow 备忘单：为何选择 TensorFlow、函数和工具，

已发表: 2020-05-22

目录

使用 TensorFlow 训练您的模型

每个技术爱好者都想掌握机器学习的复杂学科。 如果您不知道一个简单的方法，获取和训练数据集以允许计算机学习模式并做出相应的决策有时可能会让人不知所措。

谷歌提出了一个解决方案，并将其命名为 TensorFlow。 它是一个开源机器学习框架，用于处理和实现一些棘手的大规模机器学习和神经网络模型，使预测未来结果的工作变得更容易。 一部分

使用多层神经网络的 ML 模型称为深度学习。 它是为了促进谷歌的深度神经网络研究而开发的，现在可以在高级谷歌搜索建议中看到。 拥有世界上最大数据集的搜索引擎巨头需要一些有效的方法来扩展到海量模型和算法。

TensorFlow 于 2017 年推出，当前版本为 2.2。 自从首次向公众提供 TL 以来，它已经发生了几次变化。 其中一些变化包括增加了对计算机图形学深度学习的支持以及停止对 Python 2 的支持。

这个怎么运作…

TensorFlow 提供了一个易于使用的 Python 前端 API 来与框架相处，而核心是用 C++ 编写的以获得高级性能。 Python 是一门易于学习和使用的语言，对各种库都有很好的支持，使开发更加快捷方便。

它在图形框架上运行，从而使其成为跨平台的。 它可以用于从 CPU 和 GPU 到移动系统。

该术语暗示了它的工作原理

  • 张量是指包含一些数据集的数组或矩阵。 因此，您可以制作数据在图表中如何流动的流程图。
  • 图是计算机科学各个领域中广泛使用的数据结构，通常用于处理复杂的数据集。 它有一系列通过边连接的节点。

节点描述了需要执行的一系列计算，而边缘是需要对其执行操作的多维数据集。

该图是经过精心挑选的，因为它具有许多赋予该工具能力的优势——比如能够在不同的平台上运行，并且易于部署。

Google 拥有自己的自定义TensorFlow 处理单元 (TPU) ，专门设计用于渲染 Tensor 模型，从而进一步加速计算。

为什么选择 TensorFlow？

  • 想象一下，您有一堆要建模的数据集，但您想不出有效地这样做的方法，或者即使使用过多的算法，您也无法弄清楚如何链接您拥有的所有部分。 使用 TensorFlow，您无需担心数据抽象。 借助一系列包含的算法和深度神经网络，构建应用程序变得更加容易。
  • TensorFlow 最突出的特性之一是急切执行——一种调试操作的有效方法。 由于交互式基于 Web 的仪表板使可视化变得更加容易，因此您可以单独处理每个图形操作。
  • 该平台中包含的所有不同库都使得扩展速度更快，即使在大型数据集和机器上也是如此。
  • 作为开源并由 Google 提供支持，它是您可以获得的最杰出的深度神经网络工具之一。
  • 创建 TensorFlow 背后的核心理念之一是处理能力受到限制。 所以你甚至可以在你的移动系统上运行它！
  • 该平台有大量可用的开源模型，这些模型与代码和模型权重捆绑在一起，以帮助您了解该库的所有不同方面。 您总是可以找到一些与您的工作流程相关的模型，甚至可以使用迁移学习对其进行调整。

了解更多： Tensorflow 2.0 图像分类

充分利用 TensorFlow – 工具

1.张量板

如上所述，TensorFlow 提供了一种有效的抽象方式，而 TensorBoard 就是一个这样做的工具。 使用 TensorBoard 可以轻松理解和可视化图表、图表的部分和流程结构。 它提供跟踪和维护指标，例如损失和准确性、显示图像、文本和模型图、投影嵌入等等。

阅读： Keras 和 TensorFlow 是什么

2. 海王星

通过集成库来跟踪指标的另一种方法。 它与 TensorFlow 具有开箱即用的集成，是一种跟踪模型权重、参数等的简单方法。

3.假设工具

使用 Tensor 增强工作流程的绝佳工具，What-if 就像听起来一样工作。 它可用于比较同一工作流程中的多个模型、按相似性排列数据点、可视化推理结果、测试算法公平性结果等等。 如果您想开始使用 TensorFlow，这是一个方便的工具。

4. TensorFlow 游乐场

顾名思义，这个工具允许您直接在浏览器中“玩”模型的神经网络。 该工具具有能够选择数据集类型、特征、视图层等功能，可以让您在训练模型方面领先一步。

5. 数据实验室

如果您打算使用 Google 云服务来处理和训练您的模型，那么 Google Datalab 为您提供了一个基于 Jupyter 笔记本的环境，其中包含 NumPy、Matplotlib、pandas 等一系列工具，此外还预先安装并捆绑了 TensorFlow。简化您的工作流程。

6. 刻面

另一个数据可视化工具，可帮助您可视化大量数据集、形成连接、了解不同链接如何相互交互、比较不同的数据集和结果，甚至是交通事故死亡人数最多的州。

另请查看： TensorFlow 项目创意

前景

Alphabet 首席执行官 Sundar Pichai 曾表示，人工智能比电力或火更重要。 虽然深不可测，但领导的这句话抓住了一个新的现实。 处理数据是当前和下一个重要的事情，任何能让这样做更容易的事情都会在这里停留很长时间。

机器和深度学习将继续存在。 人工智能是否会接管人类，或者它在未来会导致什么结果——好还是坏，已经存在争论。 但这并不否认它是未来的事实。 即使仍然存在一个尚未在云上的小口袋，它很快就会转移到那里，并且拥抱人工智能的公司很可能会脱颖而出。 这为 TensorFlow 等工具提供了巨大的空间。

公司愿意花费数百万美元来跟踪和训练数据集，以保持领先于竞争对手。 因此，如果您在不久的将来看到一堆类似 TensorFlow 的库阻碍您前进，请不要感到惊讶。

如果您有兴趣了解有关机器学习的更多信息，请查看 IIIT-B 和 upGrad 的机器学习和人工智能 PG 文凭，该文凭专为工作专业人士设计，提供 450 多个小时的严格培训、30 多个案例研究和作业、IIIT- B 校友身份、5 个以上实用的实践顶点项目和顶级公司的工作协助。

为未来的职业做准备

机器学习和人工智能的 PG 文凭
现在申请