📅  最后修改于: 2020-12-10 05:59:05        🧑  作者: Mango

TensorFlow是面向所有开发人员的开源机器学习框架。它用于实现机器学习和深度学习应用程序。为了开发和研究人工智能方面的引人入胜的想法，Google团队创建了TensorFlow。 TensorFlow是使用Python编程语言设计的，因此被认为是易于理解的框架。本教程是为致力于使用各种机器学习和深度学习算法进行研究和开发的Python开发人员准备的。本教程的目的是描述所有TensorFlow...

📅  最后修改于: 2020-12-10 05:59:21        🧑  作者: Mango

TensorFlow是Google团队设计的软件库或框架，用于以最简单的方式实现机器学习和深度学习的概念。它结合了优化技术的计算代数，可轻松计算许多数学表达式。TensorFlow的官方网站如下-www.tensorflow.org现在让我们考虑TensorFlow的以下重要功能-它具有的一项功能是借助称为张量的多维数组轻松定义，优化和计算数学表达式。它包括对深度神经网络和机器学习技术的编程支持。...

📅  最后修改于: 2020-12-10 05:59:40        🧑  作者: Mango

要安装TensorFlow，在系统中安装“Python”很重要。从TensorFlow安装开始， Python 3.4+被认为是最好的选择。考虑以下步骤在Windows操作系统中安装TensorFlow。步骤1-验证正在安装的Python版本。步骤2-用户可以选择任何机制在系统中安装TensorFlow。我们建议使用“点子”和“ Anaconda”。 Pip是用于在Python执行和安装模块的命令...

📅  最后修改于: 2020-12-10 06:00:02        🧑  作者: Mango

人工智能包括通过机器和专用计算机系统进行的人类仿真过程。人工智能的例子包括学习，推理和自我纠正。 AI的应用包括语音识别，专家系统以及图像识别和机器视觉。机器学习是人工智能的分支，它处理可以学习任何新数据和数据模式的系统和算法。让我们专注于下面提到的维恩图，以了解机器学习和深度学习的概念。机器学习包括机器学习的一部分，而深度学习是机器学习的一部分。遵循机器学习概念的程序的能力是提高其观测数据的性能...

📅  最后修改于: 2020-12-10 06:00:26        🧑  作者: Mango

在TensorFlow中创建基本应用程序之前，了解TensorFlow所需的数学概念非常重要。数学被视为任何机器学习算法的核心。借助于数学的核心概念，定义了针对特定机器学习算法的解决方案。向量连续或离散的数字数组被定义为向量。机器学习算法处理固定长度的向量，以产生更好的输出。机器学习算法处理多维数据，因此向量起着至关重要的作用。向量模型的图形表示如下所示-标量标量可以定义为一维向量。标量是仅包含幅...

📅  最后修改于: 2020-12-10 06:00:56        🧑  作者: Mango

人工智能是近来最受欢迎的趋势之一。机器学习和深度学习构成了人工智能。下面显示的维恩图说明了机器学习和深度学习的关系-机器学习机器学习是使计算机按照设计和编程的算法运行的科学技术。许多研究人员认为，机器学习是在人类级AI上取得进步的最好方法。机器学习包括以下类型的模式监督学习模式无监督学习模式深度学习深度学习是机器学习的一个子领域，相关算法受称为人工神经网络的大脑结构和函数的启发。如今，深度学习的所...

📅  最后修改于: 2020-12-10 06:01:19        🧑  作者: Mango

在本章中，我们将学习TensorFlow的基础知识。我们将从了解张量的数据结构开始。张量数据结构Tensor用作TensorFlow语言中的基本数据结构。张量表示任何称为数据流图的流程图中的连接边。张量定义为多维数组或列表。张量由以下三个参数标识-秩张量内描述的维数单位称为等级。它确定张量的维数。张量的秩可以描述为定义的张量的阶数或n维。形状行和列的数量共同定义张量的形状。类型类型描述分配给Ten...

📅  最后修改于: 2020-12-10 06:01:56        🧑  作者: Mango

了解机器学习概念之后，我们现在可以将重点转移到深度学习概念上。深度学习是机器学习的一部分，被认为是近几十年来研究人员迈出的关键一步。深度学习实现的示例包括图像识别和语音识别等应用。以下是深度神经网络的两种重要类型-卷积神经网络递归神经网络在本章中，我们将重点介绍CNN，即卷积神经网络。卷积神经网络卷积神经网络旨在通过多层阵列处理数据。这种类型的神经网络用于诸如图像识别或面部识别之类的应用中。 CN...

📅  最后修改于: 2020-12-10 06:02:22        🧑  作者: Mango

递归神经网络是一种面向深度学习的算法，它遵循顺序方法。在神经网络中，我们始终假设每个输入和输出都独立于所有其他层。这些类型的神经网络称为递归，因为它们以顺序的方式执行数学计算。考虑以下步骤来训练递归神经网络-步骤1-从数据集中输入特定示例。步骤2-网络将以一个示例为例，并使用随机初始化的变量来计算一些计算。步骤3-然后计算预测结果。步骤4-将生成的实际结果与期望值进行比较会产生错误。步骤5-要跟踪...

📅  最后修改于: 2020-12-10 06:02:40        🧑  作者: Mango

TensorFlow包含一个可视化工具，称为TensorBoard。它用于分析数据流图，还用于了解机器学习模型。 TensorBoard的重要功能包括查看有关垂直对齐的任何图形的参数和详细信息的不同类型统计信息的视图。深度神经网络包括多达36,000个节点。 TensorBoard帮助将这些节点折叠成高级块，并突出显示相同的结构。这样可以更好地分析图形，重点放在计算图形的主要部分上。 Tensor...

📅  最后修改于: 2020-12-10 06:03:05        🧑  作者: Mango

词嵌入是从单词等离散对象到向量和实数的映射的概念。这对于机器学习的输入很重要。该概念包括标准函数，这些函数可有效地将离散输入对象转换为有用的向量。单词嵌入的输入示例如下所示-Word2vecWord2vec是用于无监督词嵌入技术的最常见方法。它以一种方式训练模型，即给定的输入单词通过使用跳过语法来预测单词的上下文。TensorFlow提供了多种方法来实现这种模型，从而提高复杂性和优化级别，并使用多...

📅  最后修改于: 2020-12-10 06:03:31        🧑  作者: Mango

对于理解单层感知器，重要的是理解人工神经网络(ANN)。人工神经网络是一种信息处理系统，其机制受到生物神经电路功能的启发。人工神经网络拥有许多相互连接的处理单元。以下是人工神经网络的示意图-该图显示隐藏的单元与外部层通信。输入和输出单元仅通过网络的隐藏层进行通信。与节点的连接模式，输入和输出之间的层总数和节点级别以及每层神经元的数量定义了神经网络的体系结构。有两种类型的体系结构。这些类型专注于人工...

📅  最后修改于: 2020-12-10 06:03:51        🧑  作者: Mango

在本章中，我们将重点介绍使用TensorFlow进行线性回归的基本示例。 Logistic回归或线性回归是一种有监督的机器学习方法，用于对离散量类别进行分类。本章的目标是建立一个模型，用户可以通过该模型来预测预测变量和一个或多个自变量之间的关系。这两个变量之间的关系被认为是线性的。如果y是因变量且x被视为自变量，则两个变量的线性回归关系将类似于以下方程式-我们将设计用于线性回归的算法。这将使我们能...

📅  最后修改于: 2020-12-10 06:04:09        🧑  作者: Mango

TFLearn可定义为TensorFlow框架中使用的模块化且透明的深度学习方面。 TFLearn的主要动机是为TensorFlow提供更高级别的API，以促进和展示新的实验。考虑一下TFLearn的以下重要功能-TFLearn易于使用和理解。它包括一些简单的概念，可用于构建高度模块化的网络层，优化器以及嵌入其中的各种指标。它包括TensorFlow工作系统的完全透明性。它包括强大的辅助功能，以训...

📅  最后修改于: 2020-12-10 06:04:23        🧑  作者: Mango

在本章中，我们将重点介绍CNN和RNN之间的区别-CNNRNNIt is suitable for spatial data such as images.RNN is suitable for temporal data, also called sequential data.CNN is considered to be more powerful than RNN.RNN includes...