Tensorflow 全网最全学习资料汇总之Tensorflow的迭代更新【1】

简介:

谷歌于2015年11月发布了全新人工智能系统TensorFlow。该系统可被用于语音识别或照片识别等多项机器深度学习领域,主要针对2011年开发的深度学习基础架构DistBelief进行了各方面的改进,它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。

那么为什么会产生TensorFlow系统,以及谷歌为何将其开源?这个问题可以看雷锋网文章《Google开源TensorFlow系统,这背后都有什么门道?》。

Tensorflow 全网最全学习资料汇总之Tensorflow的迭代更新【1】

2016年4月14日,Google发布了分布式TensorFlow,版本号为0.8,这是TensorFlow发布之后的比较重大的版本更新。Google的博文介绍了TensorFlow在图像分类的任务中,在100个GPUs和不到65小时的训练时间下,达到了78%的正确率。在激烈的商业竞争中,更快的训练速度是人工智能企业的核心竞争力。而分布式TensorFlow意味着它能够真正大规模进入到人工智能产业中,产生实质的影响。

详情可以阅读雷锋网文章《开源后5个月,Google的深度学习系统都有哪些改变?》。

Tensorflow 全网最全学习资料汇总之Tensorflow的迭代更新【1】

在2016年6月,TensorFlow发布了新版本的早期版本,版本号为0.9,增加了对iOS的支持。

随着谷歌增加了TensorFlow对iOS的支持,应用程序将能够在更聪明的神经网络功能集成到它们的应用程序,最终使它们更聪明相当能干。具体更新内容可以在《谷歌AI平台发布早期版本,并登陆iOS》中看到。

Tensorflow 全网最全学习资料汇总之Tensorflow的迭代更新【1】

在2017年1月底,TensorFlow 终于将迎来史上最重大更新:TensorFlow 1.0。Tensorflow它已成为 GitHub 最受欢迎的机器学习开源项目。因其高度普及率,尤其是在 Python 生态圈中,TensorFlow 的功能变化会对全世界的机器学习开发者造成重大影响。

上月初,谷歌公布了 TensorFlow 1.0.0-alpha ,即 TensorFlow 1.0 的第一个“草稿”版本。近日,新的候选版本 TensorFlow 1.0.0-rc0 被发布出来,披露了更多技术细节,标志着我们离 “完全体”的 TensorFlow 1.0 更近一步。

1.0 版本不仅为 TensorFlow 机器学习函数库带来多重升级,而且为 Python 和 Java 用户使用 TensorFlow 做开发降低了难度。另外,新版本的漏洞修补也得到了改善。更有意思的是,由于对 TensorFlow 计算做优化的新编译器,在智能手机上运行基于 TensorFlow 的机器学习 APP 将成为可能。具体更新内容可以看雷锋网(公众号:雷锋网)文章《TensorFlow 1.0 要来了!它将带来哪些革命性变化?

Tensorflow 全网最全学习资料汇总之Tensorflow的迭代更新【1】

在2月7日谷歌通过博客正式发布了 TensorFlow Fold,该库针对 TensorFlow 1.0 框架量身打造,可以帮助深度学习开发者根据不同结构的输入数据建立动态的计算图(Dynamic Computation Graphs),简化了模型训练阶段对输入数据的预处理过程,提升了系统的运行效率。这个库的更多信息可以在《谷歌刚发布的深度学习动态计算图工具TensorFlow Fold是什么?》中看到。

Tensorflow 全网最全学习资料汇总之Tensorflow的迭代更新【1】




本文作者:AI研习社
本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
8月前
|
TensorFlow 算法框架/工具
tensorflow 入门学习
tensorflow 入门学习
26 0
|
1天前
|
机器学习/深度学习 TensorFlow 算法框架/工具
关于Tensorflow!目标检测预训练模型的迁移学习
这篇文章主要介绍了使用Tensorflow进行目标检测的迁移学习过程。关于使用Tensorflow进行目标检测模型训练的实战教程,涵盖了从数据准备到模型应用的全过程,特别适合对此领域感兴趣的开发者参考。
13 3
关于Tensorflow!目标检测预训练模型的迁移学习
|
25天前
|
机器学习/深度学习 数据采集 TensorFlow
TensorFlow与迁移学习:利用预训练模型
【4月更文挑战第17天】本文介绍了如何在TensorFlow中运用迁移学习,特别是利用预训练模型提升深度学习任务的性能和效率。迁移学习通过将源任务学到的知识应用于目标任务,减少数据需求、加速收敛并提高泛化能力。TensorFlow Hub提供预训练模型接口,可加载模型进行特征提取或微调。通过示例代码展示了如何加载InceptionV3模型、创建特征提取模型以及进行微调。在实践中,注意源任务与目标任务的相关性、数据预处理和模型调整。迁移学习是提升模型性能的有效方法,TensorFlow的工具使其变得更加便捷。
|
6月前
|
机器学习/深度学习 TensorFlow API
学习 TensorFlow:构建和训练机器学习模型的利器
学习 TensorFlow:构建和训练机器学习模型的利器
|
9月前
|
机器学习/深度学习 TensorFlow API
TensorFlow2.0学习使用笔记
TensorFlow2.0学习使用笔记
|
11月前
|
机器学习/深度学习 存储 人工智能
深度学习入门笔记6 tensorflow学习
深度学习入门笔记6 tensorflow学习
|
12月前
|
安全 搜索推荐 TensorFlow
带你读《云原生机密计算最佳实践白皮书》——部署TensorFlow横向联邦学习(1)
带你读《云原生机密计算最佳实践白皮书》——部署TensorFlow横向联邦学习(1)
184 0
|
12月前
|
Cloud Native 搜索推荐 TensorFlow
带你读《云原生机密计算最佳实践白皮书》——部署TensorFlow横向联邦学习(2)
带你读《云原生机密计算最佳实践白皮书》——部署TensorFlow横向联邦学习(2)
106 0
|
12月前
|
搜索推荐 Cloud Native TensorFlow
带你读《云原生机密计算最佳实践白皮书》——部署TensorFlow横向联邦学习(3)
带你读《云原生机密计算最佳实践白皮书》——部署TensorFlow横向联邦学习(3)
112 0
|
12月前
|
Cloud Native 搜索推荐 TensorFlow
带你读《云原生机密计算最佳实践白皮书》——部署TensorFlow横向联邦学习(4)
带你读《云原生机密计算最佳实践白皮书》——部署TensorFlow横向联邦学习(4)
112 0