Тензорный поток:
Tensorflow — это мощный пакет Python для простой разработки и развертывания в различных приложениях. Современный исследователь использует Tensorflow для своих исследовательских работ. Tensorflow предоставляет красивую экосистему для разработчиков различных потоков. например, разработчики машинного обучения, веб-разработчики, разработчики приложений. Этот пакет использовался на многих языках, таких как разработка Python, разработка JavaScript, разработка Swift и разработка IOS, разработка IOT.
Как начать работу с Tensorflow?
Установка
В настоящее время Tensorflow поддерживает 64-разрядные ОС, Win 7 или более позднюю версию, Ubuntu 16.04 или более позднюю версию, Mac 10.12.6 или более позднюю версию (без поддержки графического процессора). Версия Python, поддерживающая Tensorflow, — версии Python от 3.5 до 3.7.
Установите с помощью диспетчера пакетов pip python в python,
Чтобы получить текущую стабильную установку —pip install tensorflow
Чтобы получить нестабильную последнюю версию tensorflow —pip install tf-nightly
Простой алгоритм нейронной сети:
Итак, уравнение очень простое: y = x*5. Мы будем обучать модель тензорного потока с помощью последовательной модели Keras.
1) Импорт пакетов из Tensorflow, Pandas и Numpy. (Примечание: Игнорирование будущих предупреждений не является обязательным).
2) Определение модели с одним слоем и одним нейроном или персептроном, который является плотным слоем, а единицы параметра говорят, сколько персептронов находится в этом плотном слое. Форма ввода определяет размерность входных данных.
3) Скомпилируйте модель с оптимизатором как SGD — стохастический градиентный спуск, а функцию потерь — как среднеквадратичную ошибку.
4) Теперь наша модель готова, давайте дадим ей обучающие данные. В этом примере я использовал данные из файла CSV.
5) Сопоставьте модель с эпохами 500, после обучения модель сможет предсказать значение Y для нового значения X.
Данные содержат два значения X и Y.
Код программы,
Результат
мы знаем, что результат будет 50, но после обучения наша модель может прогнозировать ближе к 50 (49,81). Таким образом, мы создали нашу нейронную сеть для простого уравнения.
Преимущества пакета Tensorflow:
- Простота разработки и развертывания.
- Поддержка интеграции для многих языков.
- Лучшая производительность для вычисления графа.
- Простая отладка и поддержка масштабируемости.
Спасибо за прочтение поста, надеюсь, вам понравилось.