网站建设包括什么科目,如何做公众号,合肥做网站123cms,景区网站建设的好处去年11月#xff0c;TensorFlow庆祝了它的第三个生日。多年来#xff0c;它成为最受欢迎的ML 框架之一#xff0c;并拥有了大量的粉丝。TensorFlow庆祝了它的第三个生日谷歌将这个框架融入Java#xff0c;C #xff0c;JavaScript#xff0c;最重要的是融入主要的数据科学…去年11月TensorFlow庆祝了它的第三个生日。多年来它成为最受欢迎的ML 框架之一并拥有了大量的粉丝。TensorFlow庆祝了它的第三个生日谷歌将这个框架融入JavaC JavaScript最重要的是融入主要的数据科学语言Python。如果问社区他们最喜欢的工具组合最常见的答案是TensorFlow和Python。现在版本更新了 - TensorFlow 2.0华丽出场。现在让从头来认识新版本的TensorFlow 2.0。不要怕新版本比以前更容易了。TensorFlow 2.0华丽出场通常机器学习和深度学习中的许多概念可以使用多维矩阵 - 张量来抽象。在数学中张量被描述为描述其他几何对象之间的线性关系的几何对象。为了简化所有概念可以将张量视为多维数据阵列即。矩阵。当我们像n维数组一样观察它们时我们可以轻松有效地应用矩阵运算。这就是TensorFlow实际上在做的事情。在这个框架中张量是一个原始单位我们可以用它们做各种操作。例如看看下面的代码上面代码片段的输出如下所示tf.Tensor([[4 6 8] [4 6 8]]shape (2,3)dtype int32) 如您所见我们已经定义了两个常量我们将另一个值添加到另一个。结果我们得到了一个Tensor 对象其中包含了添加的结果。此外我们可以看到输出的形状及其数据类型。如果您熟悉TensorFlow 1.0您会注意到更笨不用创建会话就可以直接运行此代码。当然这只是使用新版TensorFlow的好处之一。安装TensorFlow2.0TensorFlow为各种语言提供API可用于不同的操作系统。TensorFlow仅适用于Python 3.5及更高版本因此请确保在系统上安装了正确版本的Python。在本文中我们使用Python 3.7。对于其他操作系统和语言您可以查看官方安装指南。安装TensorFlow有两种安装选项· 具有CPU支持的TensorFlow· 支持GPU的 TensorFlow如果您的系统拥有NVIDIA®GPU那么你可以安装TensorFlow与GPU的支持。当然GPU版本更快但CPU更易于安装和配置。如果您使用的是 Anaconda可以按照以下步骤安装TensorFlow。首先您需要通过运行命令来创建conda 环境 tensorflow conda create -n tensorflow pip python 3.7很酷现在我们安装了TensorFlow。让我们看一下TensorFlow 2.0带来的一些很酷的东西让我们用它来解决一些问题。Keras - 高级APIKeras - 高级APIKeras是TensorFlow的默认高级API 。在本文中我们将使用此API构建一个简单的神经网络所以让我们来探索下它的功能。根据问题的类型我们可以为我们想要构建的神经网络使用各种层。从本质上讲Keras提供了不同类型的层(tensorflow.keras.layers)我们需要将它们连接成一个有意义的图形来解决我们的问题。在构建深度学习模型时我们可以通过以下几种方式来执行此API· 使用Sequential类· 使用Functional API· 模型子类化第一种方法是最简单的方法。我们正在使用Sequential类它实际上是图层的占位符我们按照我们想要的顺序添加图层。可以类比我们大脑的一层层的神经网络。当我们想以尽可能最快的方式构建神经网络时我们可能想要选择这种方法。我们也可以选择许多类型的Keras层。最基本的和我们将在本文中使用的那个叫做Dense。它有许多选项可用于设置输入激活功能等。除了Dense之外 Keras API还为卷积神经网络递归神经网络提供了不同类型的层等等。这超出了本文的范围。那么让我们看看如何使用Sequential 和 Dense构建神经网络。首先我们导入Sequential 和 Dense。之后我们创建了一个Sequential类的对象。然后我们使用函数add 和 Dense 类将第一层添加到神经网络。Dense 构造函数中的第一个参数 用于定义该层中的多个神经元。这个层的具体内容是我们使用了 input_dim 参数。通过这样做我们在input_dim参数中定义了神经元的数量为我们的网络添加了额外的输入层 。基本上通过这一次调用我们添加了两个层。第一个是具有两个神经元的输入层第二个是具有三个神经元的隐藏层。您可能会注意到另一个重要参数是 激活 参数。使用此参数我们 为特定层中的所有神经元定义 。这里我们使用 relu 值表示该层中的神经元将使用 整流器激活功能。最后我们 再次调用 Sequential对象的add 方法 并添加另一个层。因为我们没有使用 input_dim 参数所以会添加一个图层因为它是我们添加到神经网络的最后一层它也将是网络的输出层。功能方法类似但更灵活。这很容易理解我们可能希望在构建具有大量操作的复杂模型时选择此方法。以下是使用功能API时上面的相同网络的样子好了带大家认识了最新TensorFlow的特点和内置的keras的功能用法。先到这里下面会用TensorFlow来做一个分类实践请不要走开关注我们。
