找回密码
 立即注册

QQ登录

只需一步,快速开始

作者

2569

主题

2577

帖子

9517

积分

爱咖骏神

Rank: 9Rank: 9Rank: 9

积分
9517

第一章TensorFlow起步

0 238
Heinilup 发表于 2017-4-11 20:58:10 |阅读模式 |复制链接
2015年11月9日,Google发布人工智能系统TensorFlow并宣布开源,同日,极客学院组织在线TensorFlow中文文档
翻译。
机器学习作为人工智能的一种类型,可以让软件根据大量的数据来对未来的情况进行阐述或预判。如今,领先的
科技巨头无不在机器学习下予以极大投入。Facebook、苹果、微软,甚至国内的百度。Google 自然也在其
中。「TensorFlow」是 Google 多年以来内部的机器学习系统。如今,Google 正在将此系统成为开源系统,并将
此系统的参数公布给业界工程师、学者和拥有大量编程能力的技术人员,这意味着什么呢?
打个不太恰当的比喻,如今 Google 对待 TensorFlow 系统,有点类似于该公司对待旗下移动操作系统 Androi
d。如果更多的数据科学家开始使用 Google 的系统来从事机器学习方面的研究,那么这将有利于 Google 对日益
发展的机器学习行业拥有更多的主导权。
为了让国内的技术人员在最短的时间内迅速掌握这一世界领先的 AI 系统,极客学院 Wiki 团队发起对 TensorFl
ow 官方文档的中文协同翻译,一周之内,全部翻译认领完成,一个月后,全部30章节翻译校对完成,上线极客学
院Wiki平台并提供下载。
Google TensorFlow项目负责人Jeff Dean为该中文翻译项目回信称:"看到能够将TensorFlow翻译成中文我非常激
动,我们将TensorFlow开源的主要原因之一是为了让全世界的人们能够从机器学习与人工智能中获益,类似这样
的协作翻译能够让更多的人更容易地接触到TensorFlow项目,很期待接下来该项目在全球范围内的应用!"



简介
本章的目的是让你了解和运行 TensorFlow!
在开始之前, 让我们先看一段使用 Python API 撰写的 TensorFlow 示例代码, 让你对将要学习的内容有初步的
印象.
这段很短的 Python 程序生成了一些三维数据, 然后用一个平面拟合它.
  1. import tensorflow as tf
  2. import numpy as np
  3. # 使用 NumPy 生成假数据(phony data), 总共 100 个点.
  4. x_data = np.float32(np.random.rand(2, 100)) # 随机输入
  5. y_data = np.dot([0.100, 0.200], x_data) + 0.300
  6. # 构造一个线性模型
  7. #
  8. b = tf.Variable(tf.zeros([1]))
  9. W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
  10. y = tf.matmul(W, x_data) + b
  11. # 最小化方差
  12. loss = tf.reduce_mean(tf.square(y - y_data))
  13. optimizer = tf.train.GradientDescentOptimizer(0.5)
  14. train = optimizer.minimize(loss)
  15. # 初始化变量
  16. init = tf.initialize_all_variables()
  17. # 启动图 (graph)
  18. sess = tf.Session()
  19. sess.run(init)
  20. # 拟合平面
  21. for step in xrange(0, 201):
  22. sess.run(train)
  23. if step % 20 == 0:
  24. print step, sess.run(W), sess.run(b)
  25. # 得到最佳拟合结果 W: [[0.100 0.200]], b: [0.300]
复制代码

为了进一步激发你的学习欲望, 我们想让你先看一下 TensorFlow 是如何解决一个经典的机器 学习问题的. 在神
经网络领域, 最为经典的问题莫过于 MNIST 手写数字分类问题. 我们准备了 两篇不同的教程, 分别面向机器学
习领域的初学者和专家. 如果你已经使用其它软件训练过许多 MNIST 模型, 请阅读高级教程 (红色药丸链接).

如果你以前从未听说过 MNIST, 请阅读初级教程 (蓝色药丸链接). 如果你的水平介于这两类人之间, 我们建议你
先快速浏览初级教程, 然后再阅读高级教程.


回复

使用道具 举报

*滑动验证:
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

逛了这么久“爱咖比”,何不进去瞧瞧!

登录 发布 快速回复 返回顶部 返回列表