|
|
51CTO旗下网站
|
|
移动端

1.8 用TensorFlow 构建最先进的即用模型

《Python深度学习实战:75个有关神经网络建模、强化学习与迁移学习的解决方案》第1章编程环境、GPU 计算、云解决方案和深度学习框架,本章重点介绍构建深度学习框架用到的一些流行技术方案。本节为大家介绍用TensorFlow 构建最先进的即用模型。

作者:程国建/周冠武 译来源:机械工业出版社|2018-08-30 18:04

1.8 用TensorFlow 构建最先进的即用模型

TensorFlow 是目前最流行的框架之一。TensorFlow 框架由Google 公司在内部创建、维护和使用。这个通用的开源框架可以用于数据流图的任何数值计算。使用TensorFlow 的最大优点之一是可以使用相同的代码并将其部署在本地CPU、云GPU 或Android 设备上。TensorFlow 也可以用来在多个GPU 和CPU 上运行深度学习模型。

如何去做…

1)首先,将展示如何从终端安装TensorFlow(确保调整链接到对应的平台和现有Python 适用的TensorFlow 版本):

这将安装支持GPU 的TensorFlow 版本和正确的依赖关系。

2)现在可以将TensorFlow 库导入Python 环境中:

3)为了提供一个虚拟数据集,将使用numpy 和下面的代码:

4)定义TensorFlow 模型时,不能将数据直接提供给模型。应该创建一个占位符,充当数据馈送的入口点:

5)之后,可以使用一些变量对占位符进行操作,例如:

6)接下来,定义一个损失函数如下:

7)需要指定优化器和想要最小化的变量:

8)在TensorFlow 中,初始化所有变量是很重要的。 因此,创建一个名为init 的变量:

应该注意到这个命令还没有初始化变量,这可在运行会话时完成。

9)接下来,创建一个会话,并运行10 个周期的训练:

10)如果也想节约成本,可以通过添加如下来完成:

11)如果想要使用多个GPU,应该明确地加以指定。例如,从TensorFlow 文档中取出这部分代码:

正如您所看到的,这给在计算中如何处理和使用哪种设备提供了很大的灵活性。

这只是TensorFlow 如何工作的简要介绍。在具体实现网络时,模型实现的粒度级别为用户增加了很大的灵活性。但是,如果读者是神经网络的新用户,那可能是压倒性的问题。这就是为什么Keras 框架(TensorFlow 上的一个封装)对于那些希望开始构建神经网络而不需要太多细节的人来说是一个很好的选择。因此,在本书中,前几章将主要关注Keras,而后面的章将包括更多使用其他框架的方案,如TensorFlow。

喜欢的朋友可以添加我们的微信账号:

51CTO读书频道二维码


51CTO读书会第9群:808517103

【责任编辑:book TEL:(010)68476606】

回书目   上一节   下一节
点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

计算机病毒防范艺术

本书由Symantec首席反病毒研究员执笔,是讲述现代病毒威胁、防御技术和分析工具的权威指南。与多数讲述计算机病毒的书籍不同,本书完全是...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊