📅  最后修改于: 2020-12-10 06:04:43        🧑  作者: Mango

Keras是紧凑，易于学习的高级Python库，可在TensorFlow框架上运行。它的重点是理解深度学习技术，例如为神经网络创建层，以维护形状和数学细节的概念。框架的创建可以分为以下两种类型：顺序API功能性API考虑以下八个步骤以在Keras中创建深度学习模型-加载数据预处理加载的数据型号定义编译模型符合指定的模型评估一下做出所需的预测保存模型我们将使用Jupyter Notebook执行和显...

📅  最后修改于: 2020-12-10 06:05:02        🧑  作者: Mango

本章将重点介绍如何开始使用分布式TensorFlow。目的是帮助开发人员了解重复出现的基本分布式TF概念，例如TF服务器。我们将使用Jupyter Notebook评估分布式TensorFlow。使用TensorFlow进行分布式计算的实现在下面提到-步骤1-导入分布式计算必需的必要模块-第2步-创建一个带有一个节点的TensorFlow集群。让此节点负责一个名称为“ worker”的作业，该作业...

📅  最后修改于: 2020-12-10 06:05:18        🧑  作者: Mango

在这里，我们将重点介绍TensorFlow中的MetaGraph形成。这将帮助我们了解TensorFlow中的导出模块。 MetaGraph包含基本信息，这是训练，执行评估或对先前训练过的图进行推理所必需的。以下是相同的代码片段-以下是其中一种典型的使用模式-...

📅  最后修改于: 2020-12-10 06:05:40        🧑  作者: Mango

多层感知器定义了人工神经网络最复杂的体系结构。它基本上由多层感知器形成。多层感知器学习的示意图如下所示-MLP网络通常用于监督学习格式。用于MLP网络的典型学习算法也称为反向传播算法。现在，我们将重点介绍针对图像分类问题的MLP实现。上面的代码行生成以下输出-...

📅  最后修改于: 2020-12-10 06:05:59        🧑  作者: Mango

在本章中，我们将专注于必须从称为x和f(x)的已知点集中学习的网络。单个隐藏层将构建此简单网络。解释感知器隐藏层的代码如下所示-输出以下是函数层近似的表示-这里，两个数据以W的形式表示。两个数据是：训练和验证，它们以不同的颜色表示，如在图例部分中可见。...

📅  最后修改于: 2020-12-10 06:06:14        🧑  作者: Mango

优化器是扩展类，其中包括用于训练特定模型的附加信息。优化器类使用给定的参数初始化，但是请记住，不需要Tensor是很重要的。优化器用于提高速度和性能，以训练特定模型。TensorFlow的基本优化器是-此类在tensorflow / Python/training/optimizer.py的指定路径中定义。以下是Tensorflow中的一些优化器-随机梯度下降带有梯度剪切的随机梯度下降动量内斯特罗...

📅  最后修改于: 2020-12-10 06:06:32        🧑  作者: Mango

在本章中，我们将学习使用TensorFlow的XOR实现。在TensorFlow中开始XOR实施之前，让我们看一下XOR表值。这将有助于我们了解加密和解密过程。ABAXORB000011101110XOR密码加密方法基本上用于加密用蛮力方法难以破解的数据，即通过生成与适当密钥匹配的随机加密密钥。用XOR密码实现的概念是定义一个XOR加密密钥，然后使用该密钥对指定字符串中的字符执行XOR操作，用户尝...

📅  最后修改于: 2020-12-10 06:06:47        🧑  作者: Mango

梯度下降优化被认为是数据科学中的重要概念。考虑以下所示的步骤，以了解梯度下降优化的实现-第1步包括必要的模块以及x和y变量的声明，我们将通过它们定义梯度下降优化。第2步初始化必要的变量，并调用优化器以使用各自的函数进行定义和调用。上面的代码行生成输出，如下面的屏幕快照所示-我们可以看到，如输出所示，计算了必要的纪元和迭代。...

📅  最后修改于: 2020-12-10 06:07:05        🧑  作者: Mango

偏微分方程(PDE)是一个微分方程，它涉及具有多个独立变量的未知函数的偏导数。关于偏微分方程，我们将专注于创建新图。让我们假设有一个尺寸为500 * 500平方的池塘-N = 500现在，我们将计算偏微分方程并使用它形成相应的图。考虑下面给出的计算图形的步骤。步骤1-导入库以进行仿真。步骤2-包括用于将2D数组转换为卷积内核和简化2D卷积运算的函数。步骤3-包括迭代次数并计算图以相应地显示记录。图...

📅  最后修改于: 2020-12-10 06:07:26        🧑  作者: Mango

TensorFlow包含图像识别的特殊功能，并且这些图像存储在特定的文件夹中。对于相对相同的映像，出于安全目的很容易实现此逻辑。图像识别代码实现的文件夹结构如下图所示-dataset_image包括需要加载的相关图像。我们将专注于其中定义了徽标的图像识别。图像使用“ load_data.py”脚本加载，这有助于在其中的各个图像识别模块上保留注释。图像训练有助于将可识别的图案存储在指定的文件夹中。上...

📅  最后修改于: 2020-12-10 06:07:44        🧑  作者: Mango

在本章中，我们将了解可以使用TensorFlow框架实现的神经网络训练的各个方面。以下是十项建议，可以对其进行评估-反向传播反向传播是一种计算偏导数的简单方法，其中包括最适合神经网络的基本组成形式。随机梯度下降在随机梯度下降中，批处理是示例总数，用户可使用该示例在一次迭代中计算梯度。到目前为止，假定批处理已成为整个数据集。最好的例证是在Google规模上工作。数据集通常包含数十亿甚至数千亿个示例。...

📅  最后修改于: 2020-12-10 06:08:01        🧑  作者: Mango

以下资源包含有关TensorFlow的其他信息。请使用它们来获得有关此方面的更深入的知识。TensorFlow上的有用链接TensorFlow–TensorFlow的官方网站。TensorFlow Wiki–TensorFlow的维基百科参考。关于Tensorflow的有用书籍要在此页面上注册您的网站，请发送电子邮件至...

📅  最后修改于: 2020-12-10 06:08:14        🧑  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。...

📅  最后修改于: 2021-01-11 10:21:47        🧑  作者: Mango

TensorFlow教程TensorFlow教程专为初学者和专业人士设计。我们的教程提供了机器学习和深度学习概念的所有基本和高级概念，例如深度神经网络，图像处理和情感分析。TensorFlow是Google团队开发的著名的深度学习框架之一。它是一个免费且开源的软件库，并且使用Python编程语言进行了设计。本教程的设计方式是，我们可以轻松便捷地在TensorFlow上实施深度学习项目。先决条件Te...

📅  最后修改于: 2021-01-11 10:22:52        🧑  作者: Mango

什么是TensorFlow?TensorFlow是机器学习和深度学习的流行框架。这是一个免费的开源库，于2015年11月9日发布，由Google Brain Team开发。它完全基于Python编程语言，并用于数值计算和数据流，这使得机器学习更快，更轻松。TensorFlow可以训练和运行用于图像识别，手写数字分类，递归神经网络，词嵌入，自然语言处理，视频检测等深层神经网络。 TensorFlow...