当前位置:首页 > > 热点文章推荐(一)
[导读]为增进大家对tensorflow的认识,本文将为大家介绍何为tensorflow,并对tensorflow常用的python包加以讲述。如果你对本文内容具有兴趣,不妨继续往下阅读哦。

Tensorflow在机器学习的时代背景下应运而生,对于tensorflow,计算机专业学生或多或少均有所了解。机器学习过程中,tensorflow是常被使用框架之一。为增进大家对tensorflow的认识,本文将为大家介绍何为tensorflow,并对tensorflow常用的python包加以讲述。如果你对本文内容具有兴趣,不妨继续往下阅读哦。

一、何为TensorFlow

任何曾经试图在 Python 中只利用 NumPy 编写神经网络代码的人都知道那是多么麻烦。编写一个简单的一层前馈网络的代码尚且需要 40 多行代码,当增加层数时,编写代码将会更加困难,执行时间也会更长。

TensorFlow 使这一切变得更加简单快捷,从而缩短了想法到部署之间的实现时间。TensorFlow 是由 Google Brain 团队为深度神经网络(DNN)开发的功能强大的开源软件库,于 2015 年 11 月首次发布,在 Apache 2.x 协议许可下可用。截至今天,短短的两年内,其 GitHub 库大约 845 个贡献者共提交超过 17000 次,这本身就是衡量 TensorFlow 流行度和性能的一个指标。

下图列出了当前流行的深度学习框架,从中能够清楚地看到 TensorFlow 的领先地位:

开源深度学习库 TensorFlow 允许将深度神经网络的计算部署到任意数量的 CPU 或 GPU 的服务器、PC 或移动设备上,且只利用一个 TensorFlow API。你可能会问,还有很多其他的深度学习库,如 Torch、Theano、Caffe 和 MxNet,那 TensorFlow 与其他深度学习库的区别在哪里呢?包括 TensorFlow 在内的大多数深度学习库能够自动求导、开源、支持多种 CPU/GPU、拥有预训练模型,并支持常用的NN架构,如递归神经网络(RNN)、卷积神经网络(CNN)和深度置信网络(DBN)。

TensorFlow 则还有更多的特点,如下:

· 支持所有流行语言,如 Python、C++、Java、R和Go。

· 可以在多种平台上工作,甚至是移动平台和分布式平台。

· 它受到所有云服务(AWS、Google和Azure)的支持。

· Keras——高级神经网络 API,已经与 TensorFlow 整合。

· 与 Torch/Theano 比较,TensorFlow 拥有更好的计算图表可视化。

· 允许模型部署到工业生产中,并且容易使用。

· 有非常好的社区支持。

· TensorFlow 不仅仅是一个软件库,它是一套包括 TensorFlow,TensorBoard 和 TensorServing 的软件。

二、TensorFlow常用Python包

TensorFlow 能够实现大部分神经网络的功能。但是,这还是不够的。对于预处理任务、序列化甚至绘图任务,还需要更多的 Python 包。

下面列出了一些常用的 Python 包:

· Numpy:这是用 Python 进行科学计算的基础包。它支持n维数组和矩阵的计算,还拥有大量的高级数学函数。这是 TensorFlow 所需的必要软件包,因此,使用 pip install tensorflow 时,如果尚未安装 Numpy,它将被自动安装。

· Matplolib:这是 Python 2D 绘图库。使用它可以只用几行代码创建各类图,包括直方、条形图、错误图、散点图和功率谱等。它可以使用 pip 进行安装:

· OS:这包括在基本的 Python 安装中。它提供了一种使用操作系统相关功能(如读取、写入及更改文件和目录)的简单便携方式。

· Pandas:这提供了各种数据结构和数据分析工具。使用 Pandas,您可以在内存数据结构和不同格式之间读取和写入数据。可以读取 .csv 和文本文件。可以使用 pip install 或 conda install 进行安装。

· Seaborn:这是一个建立在 Matplotlib 上的专门的统计数据可视化工具。

· H5fs:H5fs 是能够在 HDFS(分层数据格式文件系统)上运行的 Linux 文件系统(也包括其他带有 FUSE 实现的操作系统,如 macOS X)。

· TFlearn:TFlearn 是一个建立在 TensorFlow 之上的模块化和透明的深度学习库。它为 TensorFlow 提供更高级别的 API,以促进和加速实验。它目前支持最近的大多数深度学习模型,如卷积、LSTM、BatchNorm、BiRNN、PReLU、残差网络和生成网络。它只适用于TensorFlow 1.0 或更高版本。请使用 pip install tflearn 安装。

· Keras:Keras 也是神经网络的高级 API,它使用 TensorFlow 作为其后端。它可以运行在 Theano 和 CNTK 之上。添加图层只需要一行代码,非常用户友好,可以使用 pip install keras 来安装。

以上便是此次小编带来的“tensorflow”相关内容,通过本文,希望大家对tensorflow是什么以及tensorflow使用过程中常需的python包具备一定的了解。如果你喜欢本文,不妨持续关注我们网站哦,小编将于后期带来更多精彩内容。最后,十分感谢大家的阅读,have a nice day!

换一批

延伸阅读

[热点文章推荐(一)] 示波器的使用方法(三),示波器的使用方法详解

示波器的使用方法(三),示波器的使用方法详解

示波器的使用方法并非很难,重点在于正确使用示波器的使用方法。往期文章中,小编对模拟示波器的使用方法和数字示波器的使用方法均有所介绍。为增进大家对示波器的使用方法的认识,本文将再次对示波器的使用方法详加介绍。如果你对本文内容具有兴趣,不...

关键字: 示波器 指数 示波器的使用方法

[热点文章推荐(一)] 示波器的使用方法(二),数字示波器的使用方法介绍

示波器的使用方法(二),数字示波器的使用方法介绍

示波器的使用方法并非唯一,对于不同的示波器,往往具有不同示波器的使用方法。前文中,小编对模拟示波器的使用方法有所介绍。为增加大家对示波器的使用方法,本文将对数字示波器的使用方法予以介绍。如果你对本文内容具有兴趣,不妨继续往下阅读哦。...

关键字: 示波器 指数 示波器的使用方法

[热点文章推荐(一)] 示波器的使用方法(一),模拟示波器的使用方法介绍

示波器的使用方法(一),模拟示波器的使用方法介绍

示波器的使用方法依据不同示波器有所不同,对于不同的示波器的使用方法,我们应当有所了解。为增进大家对示波器的使用方法的了解,本文将对模拟示波器的使用方法加以介绍。如果你对示波器的使用方法具有兴趣,不妨继续往下阅读哦。...

关键字: 示波器 指数 示波器的使用方法

[视频技术] 基于Python&Facepp打的造智能监控系统

基于Python&Facepp打的造智能监控系统

  就在前天,隔壁邻居家的房子被租出去了。因为我是农村的,房子都是独立的带院子的,没错就是这样的:      因为家里经常没人住,并且还放有其他贵重物品,生怕一不留神,这些租户跳到我家。把这些东西洗劫一空。此时我已经安...

关键字: 智能监控 python

[人工智能] TensorFlow、MXNet、CNTK、Theano四个框架对比分析

TensorFlow、MXNet、CNTK、Theano四个框架对比分析

  本文通过五个任务分别测试了 MLP、CNN 和 RNN 模型,机器之心不仅对该试验进行了介绍,同时还使用 Keras(TensorFlow 后端)在 MNIST 数据集上试运行了 CNN。   如果我们对 Keras 在数...

关键字: 神经网络 tensorflow mxnet

热点文章推荐(一)

316 篇文章

关注

发布文章

技术子站

关闭