Chapter 12. Custom Models and Training with TensorFlow


虽然Tensorflow的高级API-keras差不多够用了,但以防万一本章将深入学习Tensorflow的低级API.

A Quick Tour of Tensorflow

Tensorflow不仅仅局限于深度学习,可以用在任何的大规模计算中,tensorflow的总结:

  • 类似于Numpy但支持GPU
  • 支持分布式计算
  • 包含一种just-in-time(JIT)的编译器来优化模型
  • 计算图可以被导出成portable格式,可以再一种环境下训练(linux)在另一种环境下运行(Android)
  • 实现了Autodiff和很厉害的optimizer(RMSProp, NAdam)

Tensorlow在这个基础上又提供了很多的新特性,除了keras之外还有数据处理模块(tf.data, tf.io), 图像处理(tf.image), 信号处理(tf.signal)等等.

Tensorflow的底层是由C++编写的,每种操作都有很多种实现方式,不同的实现方式称为不同的kernel,每一种kernel又都会被用于不同的平台(CPU, GPU, TPU)。

大多数情况下用用高级API就够了,但是为了灵活使用还是要学一学底层的API

Using Tensorflow like numpy

Tensorflow的API都是围绕这Tensorflow展开,tensor与numpy的ndarray很相似。

Tensors and Operations

tf.constant([[1., 2., 3.], [4., 5., 6.]])
# output: <tf.Tensor 'Const:0' shape=(2, 3) dtype=int32>
# 像是ndarray一样tensor也有shape和data type属性
t.shape
# TensorShape([Dimension(2), Dimension(3)])
t.dtype
# tf.float32


文章作者: Hanjun Liu
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Hanjun Liu !
 上一篇
GIT笔记 GIT笔记
Git结构git本地库分为三个区工作区(写代码), 暂存区(临时存储), 本地库(历史版本的程序). 工作区–git add–暂存区–git commit–本地库 本地库和远程库分为两种协作模式: 团队间的协作 跨团队的协作 签
2020-02-04 Hanjun Liu
下一篇 
Go实现TCP端口扫描器和代理 Go实现TCP端口扫描器和代理
理解TCP握手包TCP是面向连接的,可靠的也是现代网络的基础,所以要想搞定网络就必须先搞定TCP协议。 分别对应端口打开的情况,端口关闭的情况,使用防火墙的情况. 使用端口转发绕过防火墙防火墙可以阻止或允许客户端访问某个服务器和端口,我们
2020-02-03
  目录