TensorFlow

TensorFlow

TensorFlow είναι ένα πλαίσιο μηχανικής μάθησης ανοικτού κώδικα σχεδιασμένο και δημοσιεύονται από την Google. Είναι κομμάτια ροή δεδομένων γραφήματα πάροδο του χρόνου. Κόμβοι στα δεδομένα ροής διαγράμματα αντιπροσωπεύουν αλγόριθμους μηχανικής μάθησης. Οι άκρες γράφημα αντιπροσωπεύουν συστοιχίες n-διάσταση (δηλ τανυστές) διέρχεται μεταξύ των κόμβων. Προσφέρει ένα πολύ υψηλό επίπεδο και αφηρημένη προσέγγιση για τη διοργάνωση χαμηλού επιπέδου αριθμητικό προγραμματισμό, με την υποστήριξη των βιβλιοθηκών που μπορεί να επιτρέψει το λογισμικό σας να τρέχει χωρίς αλλαγές σε τακτική CPU, για να επωφεληθούν από GPUs για υψηλής ταχύτητας αριθμητικούς υπολογισμούς - ή να τρέχει μη τροποποιημένα σε ένα κατανεμημένο σύμπλεγμα μηχανικής μάθησης. Είναι ακόμα στηρίγματα εξειδικευμένο υψηλής απόδοσης υλικό εκμάθησης τανυστή βρίσκονται μόνο στο Google cloud. Τώρα κυκλοφόρησε με άδεια ανοιχτού κώδικα Apache 2.0, TensorFlow αρχικά αναπτύχθηκε από την ομάδα του Google εγκεφάλου και προορίζονται για εσωτερική χρήση Google. Υποστηριζόμενες πλατφόρμες περιλαμβάνουν Linux, MacOS, Windows και Android. μοντέλα TensorFlow μπορεί να τρέξει χωρίς ένα παραδοσιακό πλατφόρμας ηλεκτρονικών υπολογιστών στην μηχανή του Google Cloud Μηχανικής Μάθησης.

Κατεβάστε TensorFlow
Χαρακτηριστικά TensorFlow
  • Σχεδόν διαφανής υποστήριξη μηχανικής μάθησης για CPU, GPU, και κατανεμημένες αρχιτεκτονικές.
  • Μοντέλα μπορούν να αποθηκευτούν στα σημεία ελέγχου και φορτώθηκαν σε κάθε περίπτωση TensorFlow.
  • Περιλαμβάνει εφαρμογές υψηλών επιδόσεων πολλών από τα πιο χρήσιμα μοντέλα μάθησης, όπως η στοχαστική Δάση και Long Short-Term Memory Περιοδική Νευρωνικά Δίκτυα.
  • Τα μοντέλα μπορούν να φορτωθούν στη μηχανή του Google Cloud Μηχανικής Μάθησης και εκπαιδεύονται χρησιμοποιώντας συμπλέγματα μάθησης τανυστής της Google με αιμορραγία-άκρο αριθμητική απόδοση.
Πλεονεκτήματα της TensorFlow
  • Μέλος της βιβλιοθήκης τέχνης μηχανικής μάθησης.
  • Υψηλή απόδοση, που ταιριάζουν το καλύτερο στη βιομηχανία.
  • Τα πακέτα είναι διαθέσιμα που θα σας αφήσει εύκολα το πρόγραμμα αναγνώρισης φωνής, αυτόματη μετάφραση, βίντεο tagging και άλλες προηγμένες εργασίες τεχνητής νοημοσύνης.
  • Μοναδική προσέγγιση επιτρέπει την παρακολούθηση της προόδου της κατάρτισης των μοντέλων σας και να παρακολουθείτε διάφορες μετρήσεις.
  • Μεγάλη υποστήριξη από την κοινότητα.
Μειονεκτήματα της TensorFlow
  • Οι μόνες GPUs που υποστηρίζονται είναι Nvidia GPUs.
  • Μερικά πακέτα μηχανικής μάθησης υποστηρίζει περισσότερους τύπους μοντέλων από το κουτί.
  • Η μόνη πλήρως υποστηριζόμενη γλώσσα προγραμματισμού είναι η Python.
  • Ορισμένα κενά στην τεκμηρίωση.
  • Μερικές φορές ενημερώσεις σπάσει προς τα πίσω συμβατότητα.
TensorFlow Κριτικές

TensorFlow είναι ένα από τα πιο προηγμένα open source βιβλιοθήκες μηχανικής μάθησης που είναι διαθέσιμες σήμερα. Η καμπύλη εκμάθησης είναι κάπως απότομη, και η τεκμηρίωση του λογισμικού παρακολουθεί μια ταχέως κινούμενο στόχο, με πολλές ασύμβατες αλλαγές που έγιναν τόσο από το API και τη σημαντική υποστήριξη γλώσσα προγραμματισμού, Python. Τα παραδείγματα πηγαίου κώδικα που παρέχεται από την Google δεν λειτουργούν πάντα με τις τελευταίες εκδόσεις του λογισμικού. μοντέλα TensorFlow είναι προσβάσιμα με τις περισσότερες γνωστές γλώσσες προγραμματισμού που μπορεί να θέλετε να χρησιμοποιήσετε για την αριθμητική προγραμματισμό, αλλά η βιβλιοθήκη υποστηρίζει μόνο την πλήρη Python για την κατάρτιση νέων μοντέλων. Απόδοση-σοφός, TensorFlow κατατάσσεται με τις καλύτερες βιβλιοθήκες μηχανικής μάθησης.

TensorFlow Βίντεο

Εναλλακτικές λύσεις για TensorFlow

Torch

Ελεύθερος
Γυρίστε την κινητή συσκευή σας σε ένα φακό με φακό. Η εφαρμογή είναι εύκολη στη χρήση και είναι μερικές φορές πιο φωτεινή από μια τυπική φακό. Χρησιμοποιεί το φως που είναι ήδη στο τηλέφωνό σας,
Δείξε λεπτομέρειες

Azure Machine Learning

Azure Μηχανική Μάθηση από τη Microsoft πρόσφατα μετονομάστηκε Azure Machine Learning Studio. Πρόκειται για μια ολοκληρωμένη και απλή browser-based, drag-and-drop λογισμικό δημιουργίας
Δείξε λεπτομέρειες

Theano

Μπορείτε να παρακολουθήσετε μια γρήγορη (20 λεπτά) εισαγωγή στην Θεανώ δοθεί ως ομιλία στο SciPy 2010 μέσω streaming (ή λήψη) βίντεο:
Δείξε λεπτομέρειες