作家
登录

如何用一个Python示例入门TensorFlow?

作者: 来源: 2018-03-24 18:30:27 阅读 我要评论

全平易近充电节 | 3月26日~30日 2000位IT行业拭魅战专家邀请你一路充电进修!


若何用一个Python示例入门TensorFlow?

本文附带的代码可以在这里下载:

https://github.com/NMZivkovic/IntrouductionToTensorFlow

Iris 数据集分类问题

比来,我向大年夜家介绍了我的 side-project,是个用 C# 写的简单的神经收集项目。正如我在那篇文┞仿中提到的,给出的解决筹划离最优筹划还差的太远。假如要达到专业化应用的程度,这个解决筹划还须要应用更多的数学和矩阵乘法。荣幸的是,Google 里有些聪慧人创造了一个做这件工作的库——TensorFlow。这是一个广受迎接的开源库,正如你今朝所懂得的那样,它擅善于数字计算,这对我们的神经收集计算至关重要。它为大年夜多半主流法度榜样说话进行深度进修范畴的开辟供给了应用法度榜样接口。

TensorFlow 是若何运作的呢? 它的┞符个解决筹划是基于张量进行的,张量是 TensorFlow 的原始单位。TensorFlow 应用一个张量数据构造来表示所稀有据。在数学中,张量是描述其他几何对象之间的线性关系的几何对象。在 TesnsorFlow 中,它们是多维数组或数据,比如矩阵。其实它并不像如许简单, 但这就是我如今想说的深刻线性代数的┞符个张量的概念。无论若何,我们可以把张量看作是 n 维阵列,对它应用矩阵运算是简单且有效的。例如,鄙人面的代铝闼楝我们定义了两个常量张量,并将一个值添加到另一个上。

这就是全部张量概念在线性代数中,

我们都知道,常量的值是不变的。而 TensorFlow 拥有丰富的 API,它的文档也很齐备,我们可以应用它定义其他类型的数据,比如变量。

除了张量之外,TensorFlow 还应用数据流图。图中的节点表示数学运算,边表示在它们之间通信的┞放量。

TensorFlow 为各类法度榜样说话供给了 API,比如 Python、C++、Java、Go、Haskell 和 R(以第三方库的情势)。此外,它支撑不合类型的操作体系。在本文中,我们将在 Windows 10 上应用 Python,是以会说起这个平滔喔赡安装过程。TensorFlow 只支撑 Python 3.5 和 3.6,所以请确保你的体系中安装了个中的一个版本。对于其他的操作体系和说话,你可以查看官方的安装指南。我们须要懂得的另一件事是体系的硬件设备。安装 TensorFlow 可以有两种选择:

  • 只支撑 CPU 的 TensorFlow 版本。
  • 支撑 GPU 的 TensorFlow 版本。

如不雅你的体系有一个 NVIDIA GPU,那么你可以安装支撑 GPU 的 TensorFlow 版本。当然,GPU 版本更快,然则 CPU 版更轻易安装和设备。

如不雅你应用 Anaconda 安装 TensorFlow,可以按照以下步调完成:

对于 GPU 版本运行敕令:

经由过程运行敕令来创建一个 conda 情况“tensorflow”。

  1. conda create -n tensorflow pip python=3.5  

经由过程敕令激活创建的情况:

  1. activate tensorflow  
  1. pip install --ignore-installed --upgrade tensorflow 
  1. pip install --ignore-installed --upgrade tensorflow-gpu 

当然,你也可以应用“native pip”敕令来安装 TensorFlow。对于 CPU 版本运行:

  1. pip3 install --upgrade tensorflow 

对于 GPU TensorFlow 版本运行敕令:

  1. pip3 install --upgrade tensorflow-gpu 

如今我们已经安装了 TensorFlow。接下来开端解决我们要解决的问题。

Iris 数据集,以及 MNIST 数据集,可能是模式辨认文献中最有名的数据集之一。这是机械进修分类问题的“Hello World”示例。它最早是在 1936 年由 Ronald Fisher 推出的。他是英国的统计学家和植物学家,他在论文《应用多重测量解决生物分类问题》中应用了这个例子,直到今天这篇论文也经常被引用。该数据集包含 3 个类别,每个类别有 50 个实例。每个类别都是一种类型的 Iris 植物:Iris setosa、Iris virginica 和 Iris versicolor。第一类是线性可分的,但后两种不是线性可分的。每个记录都有五个属性:

关键词: 探索发现

乐购科技部分新闻及文章转载自互联网,供读者交流和学习,若有涉及作者版权等问题请及时与我们联系,以便更正、删除或按规定办理。感谢所有提供资讯的网站,欢迎各类媒体与乐购科技进行文章共享合作。

网友点评
自媒体专栏

评论

热度

精彩导读
栏目ID=71的表不存在(操作类型=0)