BT

你的观点很重要! 快来参与InfoQ调研吧!

深度学习利器:TensorFlow程序设计

| 作者 武维 关注 4 他的粉丝 发布于 2017年11月15日 ArchSummit社交架构图谱:Facebook、Snapchat、Tumblr等背后的核心技术

目录

TensorFlow编程基础及实践

TensorFlow系统架构及C/C++编程API

分布式TensorFlow技术

TensorFlow与卷积神经网络

TensorFlow与自然语言处理模型

TensorFlow在智能终端中的应用

序言

作者 武维

2015年11月9日谷歌开源了人工智能系统TensorFlow,同时成为2015年最受关注的开源项目之一。到目前为止TensorFlow的GitHub Star排名为72000+, Fork排名已达35000+,有23000+ commits。并随着TensorFlow新版本的不断发布以及新特性的不断增加,TensorFlow使用更加灵活,运行速度更快,使用方式更产品化,已成为目前主流的深度学习平台之一。目前除了谷歌在自己的产品线上使用TensorFlow外,国内的京东,小米等公司,以及国外的ARM、eBay、UBER、Airbnb等公司,都在尝试使用TensorFlow。

在工业界,TensorFlow比其他框架更具有优势。TensorFlow支持异构设备的分布式计算,使得上千万、上亿数据量的模型能够有效地利用机器资源进行训练。TensorFlow支持卷积神经网络、循环神经网络,这些都是在计算机视觉、语音识别、自然语言处理方面最流行的深度神经网络。TensorFlow支持从研究团队快速迁移学习模型到生产团队,实现了研究团队发布模型,生产团队验证模型,构建起了模型研究到生产实践的桥梁。TensorFlow支持直接面向终端用户的移动端(Android系统)以及一些智能产品的嵌入式开发。另外,TensorFlow有出色的版本管理和详细的官方文档。

本书TensorFlow程序设计中的关键技术主要包括以下几个方面。

  1. TensorFlow编程基础及实践:主要包括TensorFlow变量、TensorFlow应用架构、TensorFlow可视化技术、GPU使用、以及HDFS集成使用等。
  2. TensorFlow系统架构及C/C++编程API:主要包括Client,Master,Worker,Kernel的相关系统组件及运行方式,以及采用C++ API去训练模型,提供更好的运算性能及更好地控制GPU内存的分配。
  3. 分布式TensorFlow技术:主要包括分布式TensorFlow编程API;分布式TensorFlow MNIST模型;梯度向降法在分布式TensorFlow中的性能分析,包括Async-SGD,Sync-SGD,Sync-SGDwith backups算法。
  4. TensorFlow与卷积神经网络:主要包括卷积神经网络的特征图、卷积核,池化操作等关键技术;使用TensorFlowAPI构建卷积神经网络;TensorFlow Cifar10,InceptionV3及Vgg19模型的架构和代码。
  5. TensorFlow与自然语言处理模型:主要包括Word2Vec数学原理;近义词模型;循环神经网络(RecurrentNeural Network, RNN)技术原理;长短期记忆网络(LongShort-Term Memory,LSTM)技术原理;TensorFlow语言预测模型;TensorFlow的机器翻译模型。
  6. TensorFlow在智能终端中的应用:基于看花识名APP,讲解了TensorFlow在Android智能终端中的应用。主要包括:模型训练;模型参数量化处理;TensorFlowAndroid开发环境的构建及相关开发API。

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT